#上下文管理
dsh-context：DeepSeek Harness 开源插件，让 AI Agent 上下文完全可视化
如果你经常使用 AI Agent 处理长任务——比如让 Codex 重构中型项目，或者用 DeepSeek Harness 做持续数天的研究——你应该遇到过这种情况：前 20 轮对话流畅无比，…
Pi Agent 接入 Grok 实战：利用上下文压缩避开 200K 翻倍计价
将 Grok 作为主力编码模型有几项突出优势：周限额机制而非 5 小时短周期、原生上下文最大 500K、推理速度快、Token 效率高。但实际使用中发现一个关键问题：Grok 的计费在上下文超过 200K 后，价格会全量翻倍—&…
构建 Agent Harness 的 7 个关键设计决策：从单智能体到权限控制
前沿大模型之间的能力差距正在缩小，智能体系统真正的差异化因素，正逐渐转向模型之外的基础设施——Agent Harness（智能体运行框架）。
它围绕大语言模型（LLM），负责组织智能体循环、工具调用、记忆、上下文管理…
Claude Code 上下文管理实战：100 万 token 时代如何避免 Context Rot
Claude Code 的上下文窗口扩展到了 100 万 token，但很多人还在用 20 万时代的老习惯操作。这篇文章来自 Claude Code 团队负责人 Thariq，把 session 管理的核心技巧说清楚了。
什么是 Conte…