CLI Agent 开发短记上下文与工具如何分工我第一次做 CLI Agent 时把整段日志和源码都塞进提示词。它偶尔答对偶尔却围着无关 warning 打转。后来我才明白模型不负责替我判断什么重要上下文越长也可能越难找到关键线索。现在我只把任务目标、已确认事实和约束放进上下文。文件内容、diff 和完整日志交给只读工具按需取回。AI 的输入是经过截取和脱敏的片段输出是下一步建议是否执行命令、是否修改代码仍由程序的权限校验和人工确认决定。fn excerpt(lines: [String], limit: usize) - String { lines.iter().take(limit).cloned().collect::Vec_().join(\n) }这只能控制返回长度token 数量应使用对应模型的 tokenizer 计算不能用字节数估算当成准则。路径、命令参数和用户文本也不能直接拼进 shell。我会最后回到原始文件核对 Agent 引用的位置。涉及删除、网络访问或提交改动时Agent 只能提出建议。这样做没那么炫但出现问题时至少知道该从哪一层查起。补充记录第 1 篇我会把这条建议落实为一个可复现的小检查而不是停在概念层面。先写清输入、预期行为和失败时的处理方式再在干净环境中运行最小示例结果与假设不一致时回到文档和代码定位原因。这样既能保留学习过程也不会把局部经验包装成通用结论。第 1 篇的收尾检查是删掉无关输入保留一个能失败的反例并写下我准备如何确认修复是否真的生效。若没有可执行的检查就把结论标为待验证而不急着把它变成规则。第 1 篇的延伸练习把文中的判断拆成一张小表。第一列写触发条件例如输入超过限制、依赖返回异常或调用者取消第二列写程序可观察到的信号例如错误类型、队列状态或测试断言第三列写允许的处理动作以及谁有权执行它。随后只实现其中一条最小路径并故意制造失败输入检查结果。若失败路径没有明确输出就不要继续增加功能。这样做虽然比让工具直接补全整段代码慢但能迫使我先理解所有权、资源释放和调用方预期。完成后再删去不必要的分支补上一个回归测试并把运行命令与限制条件记在提交说明里。读者若要采用相同思路应替换为自己的编译器版本、依赖版本和业务目标示例不能替代项目验证。第 1 篇还应补一个边界案例当输入为空、依赖不可用或用户中途取消时程序是否仍能给出可理解的结果。把这些案例写成小测试后再检查日志是否泄露路径、账号或原始内容。只有正常路径和失败路径都能说明白才把这段做法放进自己的工作流。第 1 篇的发布前检查确认标题没有承诺超出正文的范围示例代码能独立阅读参数没有被写成通用答案再让一位不了解上下文的人按步骤复述风险点。如果对方无法判断何时该停止或回退就继续删减结论、补充限制而不是增加口号。
