LLM 上下文丢失：被浪费的数百万 Token

The Knowledge Chipper: An Agentic Coding Story

在日常开发中，我发现 AI 代理为了生成少量代码，需要扫描文件、查阅 API 文档，构建庞大的上下文知识。然而，一旦会话结束或提交代码，这些精心构建的上下文就彻底消失了。这不仅是效率的损失，更是机构知识的巨大浪费。当团队中有人用 Codex，有人用 Claude，或者因战争导致 AWS 数据中心中断时，这种上下文无法迁移的问题变得尤为致命。每次重启会话，我们都在重新燃烧数百万 Token 来重建相同的逻辑模型。代码审查也变得更加困难，因为复杂的改动背后缺乏可追溯的上下文。我们需要一种机制，让 AI 能够真正记住并携带其工作成果，而不是每次都从零开始。