我的 AI 产品实践

管理 agent,就是管理 context

DSH-projects · 2026/11/16

1. 从 agent 到 context

过去一年,单任务的 agent 已经证明,模型可以用工具把一件复杂的事做完,越来越少需要人盯着每一步。多个 agent 同时干活也变得可行。人的位置随之上移,从执行移到决策和验收。

多数多 agent 产品组织工作的方式,却是照着人类团队来的:给 agent 起名字、分角色,用频道、工单和 @ 把它们连起来。用户被留在中间:A 的结论要复制给 B,B 需要的背景要再讲一遍,谁跑完了、谁卡住了要有人盯着。一件事做得好不好,看模型;同时推进几件事,卡在人的注意力上。

DSH-projects 的早期版本也是这样做的。每个项目是一个群聊,项目助理按需创建角色,每个角色有名字、一两句人设和自己的头像。到 11 月 12 日,12 个项目里一共建过 18 个角色。但在代码里,一个角色只贡献三样东西:名字、人设和默认模型。会话按任务开,不按角色开。模型每次看到的是这件事的上下文,角色只是贴在上面的标签。

于是我去掉了角色这一层。现在每个项目只有一个执行者,界面上显示的是它用的模型。背后的判断是:一个 agent 就是一份上下文加一个模型,管理 agent,就是管理 context。设计问题也随之变成:每一次模型调用,它看到什么,这份上下文由谁维护,拼一次要花多少。

围绕这个问题,DSH-projects 定了五个目标:

  • 原样:用户说的话逐字到达干活的模型,中间不经转述。
  • 隔离:每件事有自己的上下文,不背着别的事的历史。
  • 稳定:上下文只在末尾追加,前缀保持不变,缓存能够复用。
  • 自来:上下文从屏幕、消息和文件里自己进来,不靠用户喂。
  • 少打扰:只在拍板和验收的时候找用户。

下图是整体结构。上下文包见第 2 节,拼装与缓存见第 3 节,采集见第 4 节,看板见第 5 节。

你说的话屏幕飞书电脑里的文件上下文层事件日志时间线记忆项目 → 任务任务任务任务fork结果回到一处待你决定该你了才找你你拍板、验收、要改,都记回去
DSH-projects 的整体结构。蓝色是上下文层;每件事从它 fork 一份去做,结果回到「待你决定」,用户的每一个动作都写回上下文层。

2. 上下文包

一件事的上下文,既要干净,又要原样。两种常见做法各占一头:

  • 子 agent:每个子 agent 拿一份干净的上下文,但里面是父 agent 写的一段说明,交回来的是最后一条消息。每传一次,压缩一次,接收方再猜一次。我对照过 8 个开源多 agent 实现的源码,没有一个共享上下文窗口,默认都是「说明进、最后一条出」。
  • fork:新分支带着主对话的全部历史,不经转述,但也不做删减。主对话越长,带得越多;长到一定程度只能压缩,压缩有损。
只有 brief过滤或压缩后的历史完整历史Claude Code subagent(默认)Kimi CLIGemini CLI(本地)Codex spawn_agentDeepAgents taskCrewAIGemini CLI(远程 A2A)OpenAI nest_handoff_historyCodex forkDeepAgents forkClaude Code forkOpenAI Agents SDK handoffLangGraph SupervisorAutoGen GroupChatDSH-projects:任务说明 + 你的原话 + 项目文件
子 agent 启动时继承多少父对话。按各项目源码中的行为定性摆放;同一项目出现两次,对应两种模式。

DSH-projects 两头都要:每件事一份独立的上下文,里面的话是原样的。这份上下文叫上下文包,按任务(thread)组织,包括四部分:

  • 目标和背景:项目助理开任务时写的说明。
  • 用户的原话:开任务时引用的那条消息,由服务端原样带给执行者。
  • 怎么算完成:执行者开工时写下的清单,交付时逐条勾选。
  • 进度和产出:交付、提问、失败都记在任务上;文件放在项目的共享目录里,只传路径。

用户只需要讲清楚三件事:要做什么,上下文在哪,标准是什么。例如「根据『岗位描述.md』写一份二面题目 interview.md:3 道动效和交互细节相关的题,每题附评分要点」,三件事都在一句话里。拆成几个任务、每个任务带什么,由项目助理决定。

上下文包是长期维护的那一份,执行它的会话是一次性的:开工时注入,有进展就写回。

你要做什么上下文在哪标准是什么任务的上下文包目标和背景你的原话怎么算完成进展和产出读过的文件执行的 runtime(一次性)DeepSeek HarnessClaude CodeCodex开工时注入进展写回长期维护随时可以换
每个任务一份上下文包,长期维护;执行它的 runtime 是一次性的,开工时注入,有进展写回。

2.1 原话转交

个人助理不进项目干活。用户在个人对话里交代的事,由它转交给项目,这一步最容易走样。早先的实现里,助理用自己的话重写了用户的要求,还补了几条用户没说过的;项目把这段改写当成用户的原话去执行(数据见第 6 节)。

现在转交只接受引用。quote 必须是用户那条消息里的原文,平台逐字核对,核对不过就拒绝转交。助理想补充的内容单独放在 note 里,标成「个人助理的补充」,不算用户的要求。项目助理开任务时,引用的是这句原话。

2.2 信任标记

上下文里的每一条内容都带来源和信任级别。用户在会话里打的字是 principal,附带一个本实例的随机 nonce,只有 nonce 对得上的条目才算用户本人;助理之间转述的内容是 relay;飞书、屏幕、网页里观察到的是 external,只当资料,不当指令。

哪句话算授权、引文是否在原消息里、同一件事是否已经提过,由代码判断,模型只负责理解。

2.3 可替换的执行者

执行者默认是 DeepSeek Harness 里的一个会话,也可以按任务换成 Claude Code 或 Codex。换的时候,新执行者拿到的是任务上的记录,加上平台统计的交接事实:多少条消息,其中几条来自用户,跑了几轮;工作目录是 Git 仓库时,还有改动过的文件。这些数字由代码计算,不由模型自述。切换只在一轮结束后生效,不迁移进行中的推理。

3. 上下文的拼装与缓存

每唤醒一次执行者,都要拼一次上下文。模型服务会缓存读过的前缀:这次的前缀与上次一致,预填充可以复用,计费也更低;前缀中有一处变化,后面的部分都要重新计算。因此拼装的原则是:不变的放前面,变化的只在末尾追加。

DSH-projects 里具体有三条规则:

  • 角色说明在会话开始时冻结,会话存续期间不再修改。
  • 新发生的事不改写前面的内容,只在末尾追加一条很短的唤醒通知:收件箱里有几条未读,来自哪里。正文由模型调用工具自己拉取,拉到的条目即算已读。
  • 同一件事续接同一个会话。项目设置变了就开新会话,因为旧会话的前缀里冻结的是旧设置。执行者从 Claude Code 换回 DeepSeek Harness 时,如果期间项目设置没变,会续接原来的会话。

随对话变化的内容,例如「关于你」,作为运行时上下文追加,不混入用户的消息。

一个执行会话的上下文,从前往后稳定的前缀:每次唤醒都能命中缓存每次唤醒只在末尾追加系统提示角色说明(开会话时冻结)之前的回合唤醒通知拉取的条目新内容从这里往后加同一件事 → 续接同一个会话项目设置变了 → 开新会话,重新冻结
一个执行会话的上下文。前面的部分在会话期间保持不变,新内容只在末尾追加;项目设置变化时开新会话。

实际的缓存读取比例见第 6 节。

4. 上下文的采集

要让 AI 接过组织上下文这一层,它得先知道得足够多。DSH-projects 从三个来源采集,全部只读:

  • 屏幕:通过本机的 Screenpipe,每分钟读一次看到的每个窗口,只取文字,每个窗口最多 3,000 字,截图不离开本机。
  • 飞书:每 2 分钟读一次消息。
  • 文件:电脑上的一个小程序主动连接 DSH-projects,按需读取文件。可读范围由电脑一侧决定,可以是指定的文件夹,也可以是整个主目录(不含 Library 和隐藏目录);浏览器 cookie、登录状态这类文件一律拒绝。

原始记录写入存储,不直接进入窗口。每 10 分钟切成一窗,连同上一段活动和项目列表,交给一次小模型调用,写出 0 到 3 件事,用用户自己的任务说法。明显属于某个项目的才标上项目,否则留空。代码核对每件事的出处,必须指回这一窗里的原始记录,指不回去的丢弃。窗口路径落在项目文件夹里的原始记录,直接按路径归到项目。

屏幕:每分钟飞书:每 2 分钟原始记录每 10 分钟一窗小模型:0 到 3 件事带上一段活动和项目列表代码核对出处指不回原始记录的丢弃时间线个人助理读取
时间线的生成:原始记录按 10 分钟分窗,由小模型整理,再由代码核对出处。
时间线:每段活动带着用到的应用和所属项目
时间线(演示数据)。

时间线只供个人助理读取,每一条都能用工具核对出处。个人助理把一件事交给项目时,带过去的是用户的原话;时间线和记忆只作为带出处的参考。

屏幕采集本身并不新鲜,Screenpipe、AirJelly、Littlebird 和 Codex 的 Computer History 都在做,多半停在记录和检索。DSH-projects 多走的一步,是把采集到的上下文接到任务上:从观察里提出值得做的事,交给项目执行,做完回到看板等用户拍板。

5. 面向人的交互

5.1 待你决定

多件事并行之后,人的注意力是瓶颈。DSH-projects 把需要用户的事收在一块跨项目的看板上,分三栏:等你、进行中、今天完成。「等你」只放四类:要拍板的、等验收的、出错的、别人在等回复的消息(飞书里有人单聊或 @ 了用户,半小时后仍未回复)。

卡片上没有按钮。点任务卡打开任务;点提醒卡,一句话写进输入框,用户修改后再发出。所有动作都落成用户说的一句话,和平常的对话走同一条路径,原话也就留了下来。

待你决定:任务卡和一张飞书提醒卡
待你决定(演示数据)。

5.2 完成的定义

做完没有,和是否还在运行,是两件事。排队不能当作正在执行,一轮结束也不等于这件事解决了。一件事只有在用户验收之后才算完成;合并代码这类动作,要求引用用户针对这次交付的验收原话,或由用户亲手点「验收通过」。

5.3 夜间整理

个人助理只跨任务观察,不进项目干活。夜里电脑空闲时,它把这一天过一遍,早上最多留三张卡:一件可以做的,一样值得看的,一句想说的,每张都写明出处。用户点一下,一句话写进输入框,发出后才会交给项目。

5.4 记忆与做事说明

「关于你」只记用户亲口说过的话:用户明确要求它记,或者一段对话安静下来之后,由平台从用户打的字里挑出长期偏好。每条附着原话,代码核对原话确实出自那条消息。用户让它忘掉的,不再记回来。

左边对话里说「记住」,右边记忆页的这一条附着原话
「关于你」中的一条,下方是原话。

执行者的做事说明不需要用户来配。同一个问题用户在交付后提了三次,夜里它起草一版新的做事说明,只改做法,不加权限;早上由用户选择采用、先试一次,或保持旧版。

6. 初步数据

以下数据来自一台机器上的少量运行,只作参考。

6.1 转交走样

在一个全新安装的环境里,用同一句交代两件事的目标走三条路径,模型为 DeepSeek V4.1 Flash:

路径开出任务第一份交付
直接说给项目(1 次)16 秒,两个任务,各带原话48 秒
经个人助理转交,改写版(1 次)27 秒,一个合并的任务,不带原话11.6 分钟
经个人助理转交,引用版(3 次)19 到 27 秒,两个任务,各带原话62 到 103 秒

改写版的延迟主要来自改写本身:助理扩写了要求,项目把两件事合成一件,按扩写后的范围去做。改成引用之后,转交路径的表现接近直接说给项目。

6.2 缓存读取比例

按这台机器上现有的全部会话记录统计,每次模型调用都记录了从缓存读取的提示 token:

会话模型调用缓存读取(全部)缓存读取(最近三天)
项目和任务7,65298.6%93.6%
个人助理97094.7%86.9%

最近三天两类会话的比例都在下降,原因还没有查清。

7. 开放问题

  • 项目由谁来建:任务由 AI 拆,项目只在用户开口时才建。AI 是否应当主动提出新项目、提到什么程度,还没有定论。
  • 时间线的准确性:相邻几窗容易被前一窗带偏,写成同一件事。原始记录保留着,但需要人来发现。
  • 执行者的切换:切换只在一轮结束后生效,运行中途如何交接还没有好方案。Claude Code 和 Codex 作为执行者时没有权限确认,也没有沙箱;Codex 还没有验证到跑完一个完整任务。
  • 拼装与缓存:缓存读取比例最近在下降,每次开工时上下文怎样拼最合适,需要更多数据。
  • 污染与注入:采集的上下文越多,越要防污染和提示词注入。信任标记是第一步,是否足够要看真实使用。
  • 反馈:反馈目前主要靠人,哪些环节可以交给自动检查,还在尝试。

8. 结语

回头看,DSH-projects 做的事可以收成一句话:去掉 agent 这一层,把上下文按任务组织起来,让人只在拍板和验收时出现。执行者可以换,模型可以换,留下来的是每件事的上下文。

里面那个一直在的助理默认叫 Tacit,取 tacit knowledge(默会知识)的意思:说不清,却一直在起作用。我希望它在用户开口之前,就已经了解和这件事有关的上下文。

DSH-projects 是 DeepSeek Harness 的一个开源插件,代码在 GitHub,MIT 许可。