WorkBuddy「任务对话上下文」完整详解（定义、占用查看、作用、实战例子、风险）
一、先搞懂：什么是任务对话上下文
WorkBuddy 每一个独立任务窗口都拥有一块专属存储空间，术语叫上下文窗口（Context Window），计量单位：Token（可以简单理解成文字最小单元，1 个中文≈2 个 Token）。
上下文 = 每一轮发送指令时，一并传给大模型的全部信息合集，包含 5 大类：
核心底层规则： AI 没有永久记忆。你每发一句话，WorkBuddy 会把全部上下文一次性打包发给模型，模型依靠这堆上下文理解：我们正在做什么、之前约定了哪些要求、进度走到哪一步。
二、在哪里看：上下文已使用多少？
对话窗口右下角有一个圆形小图标，点击即可弹出上下文监控面板： ✅ 显示：
- 当前模型上下文总上限（例：32K / 128K Token，由你选择的大模型决定）
- 已使用 Token 数量 / 剩余容量
- 拆分统计：系统提示词、对话历史、工具、文件各自占用多少
- 使用率百分比
直观示例面板展示（模拟）
plaintext
模型上限：128000 Token
当前已使用：41200 Token
剩余可用：86800 Token
使用率：32%
├─ 系统提示词：9500
├─ 对话历史消息：24700
├─ 载入文件代码：5200
├─ 技能/连接器信息：1800
三、上下文核心作用（通俗讲解 + 实战举例）
作用 1：实现连续多轮任务，不用重复复述背景
如果没有上下文，你每发一条指令，AI 都会当成全新问题，完全忘记前面所有约定。
案例（写项目方案）
❌ 假设上下文丢失： 你发第三条指令，AI 会一脸茫然：什么方案？市政还是工业？格式要求是什么？ 你必须全部重说一遍。
作用 2：维持任务状态、记住约束条件
长期开发、文档迭代、数据分析场景必备，记忆所有硬性规则。
案例（代码开发）
作用 3：承载外部文件数据
当你@ xxx.csv、拖拽代码文件、上传需求文档，文件文本会加载进上下文；AI 才能读懂文件内容，结合你的指令处理。
注意：文件越大，上下文占用飙升越快。
作用 4：支撑工具链式调用（WorkBuddy 核心优势）
读写本地文件、运行脚本、打开表格、持续分步执行任务，上下文保存每一步运行结果，实现连贯自动化工作流。
四、上下文满了会发生什么（重点避坑）
每个模型有固定上限，不能无限堆积对话：
- 最前面的历史对话自动被截断丢弃（模型看不到最早信息）
- 严重时请求直接失败、任务中断、转圈无响应
- 无法继续载入新文件、长文本
五、管理上下文实用指令（WorkBuddy 内置）
适用：一个任务持续聊几十轮，不想新开任务窗口
/clear 清空当前任务全部对话上下文（系统提示词保留，历史对话全部删除）
最佳实践方案
- 不同业务任务新建独立任务窗口（方案、代码、报表分开，上下文互不污染）
- 长对话每隔一段时间执行一次 /compact
- 超大文件不要一次性全部加载，分段引用
- 上下文使用率持续高于 80%，建议新开任务，复制关键需求继续工作
六、举一组对比，直观看懂有无充足上下文差别
✅ 场景 A：上下文充足（使用率 35%）
对话历史：我们正在制作 7 月设备运维周报，只统计泵组启停时长，输出 Excel 结构，不要多余图表。 你发送：补充环比对比数据。 AI 行为：自动基于「7 月运维周报、泵组启停时长、Excel 格式」追加环比内容。
❌ 场景 B：上下文溢出、早期记录被截断（使用率 96%）
同样发送：补充环比对比数据。 AI 行为：
“请问是什么报表？统计哪些设备？需要什么格式输出？” 原本最重要的前置条件已经被挤出上下文窗口，彻底遗忘。
补充区分：任务对话上下文 VS WorkBuddy 长期记忆（MEMORY.md）
很多人混淆两者：
简单一句话总结： 任务对话上下文就是当前任务 AI 的短期工作台，所有聊天、文件、规则都放在这个台子上；台子空间有限，堆太满，AI 就看不见更早的信息，工作开始出错。
