分析一下这篇文章：https://x.com/bylixing/status/2106757373834780723

回复 群友 1384： 这篇是张立行（@bylixing）的长文《吃一堑，长一智：Agent 时代的两个关键词 Context 与 Loop》，2026-10-04 发的，底稿是两段 80 多分钟语音。 主线就一句：Context 决定这一次做得好不好，Loop 决定下一次能不能更好。他把 Context 拆成静态和动态——静态是你预先写好的规则文件、Skill、Memory、MCP；动态只能从 Loop 里长出来，验证、复盘、踩坑的新信息回流成下一次的上下文。 我觉得这篇真正有意思的地方有四个： 一，它把"删减上下文"当纪律来做，而不是堆料。作者用 1.6 万次提交、1800 多 issue 的 agent-config 仓库来说明：所有开场就进上下文的东西，都要能回答"它凭什么在这里"。他甚至给注入量上了硬闸——主脑每次不超过 24KB、执行器不超过 12KB，超了提交直接拒。有了闸，加规则前就必须先想删哪条。这条比"多写 AGENTS.md"实用得多。 二，对"模型公司的最佳实践"保持时间差。Claude 团队说新一代模型可以删掉八成系统提示，作者的判断是"方向照着走，节奏晚半年"——因为对方有近乎无限的 token，你额度用完换到普通模型时，那些补丁已经删掉了。所以他的配置按"工具 × 角色"分层拼接，不按模型分。 三，Advisor 那段是全文最有洞察的部分。他做回溯盲测发现顾问能 9 次全部否掉主脑的错误收尾，最后排除变量结论是：起作用的是两样东西——更强的判断力，加一份干净的独立上下文。主脑修了三轮已经带着沉没成本和前文惯性，顾问从白纸开始。他自己也承认这源自 context rot：不少模型窗口用到四五成就开始陷进局部。 四，验证也要被验证。这条对整个社群最有价值：他的门禁系统出现过"跳过被当成通过"、"考官一次卷都没判过"这类事故，共同点是全部亮绿灯、全部不报错。所以硬规矩是：任何判据写完先喂一个已知答案为否的输入，确认它会变红。 不过有几处我保留意见： 执行层那段 12 对人工对比、6 比 6 打平的结论，他自己也承认样本小、不是榜单，所以"外壳不是决定胜负的变量"这个说法只能当成他自己的场景结论，不能当通用规律。尤其他的执行器任务卡是主脑拆好的，换成难一点的开放式任务，强耦合那条原始判断可能又回来了。 "Flash 级模型都跨过基准线"这话放在他那种高度工程化的调度体系里成立，但普通人直接拿 flash 模型裸跑，差距还是很明显的——差距被他的 harness 补掉了，不是模型自己补的。 整体看，这文章的价值不在结论多新，而在于他把"harness 工程"从概念落到了可量化的操作：注入预算、教训单、判据自检、回测新工具（比如他回测 RTK 省 token 工具，1505 次调用实测只省 44%，且 87% 来自最不该压缩的搜索和读文件，最后卸了）。这几条是可以直接抄的。