本文经原作者授权转载，版权归原作者所有。原作者：马东锡 NLP（@dongxi_nlp）。
Harness 系列文章之 6，关于 context management。
在 coding agent的世界里，昨日的重现，就是将昨日重要的事情映射到今天。
A transcript records what happened. Context decides what matters now.
每个 coding agent 最后都会遇到同一个问题： session 会越来会长。
Model 读过文件，跑过命令，搜过日志，改过代码，收到过 validation output，也回答过旧问题。
这些 context 如何管理？
The Naive Append Loop
最直觉的做法很简单，append transcript。但其实这是 context flooding。
一开始，model 似乎更聪明，因为它能看到更多。
很快就会遇到问题：
- 旧 tool output 会和当前 evidence 竞争
- 巨大的 shell log 会淹没下一条 instruction
- retry message，partial read，旧 plan，stale summary 全部挤在一个不断变大的 blob 里
The Multi-Turn Loop
比 Naive Append Loop 更成熟一点的是 5 phase loop，这部分放在文章的末尾。
The Core Split
成熟的 Harness 会把三件事分开：
- Durable log 应该完整和简洁，它服务 resume，audit，evals 和 debugging。
- Model-visible context 应该被选择，是 model 为下一步行动需要看到的视图。
- app state 应该结构化。它不能依赖旧 transcript text 是否还在 prompt 里。
在此，我们定义出了projection：
Projection means to turn the full history into the small, relevant view the model needs for the next step.
这对应了这篇文章的标题：
Context Is A Projection
Projection Happens Before The Model Call
Context management 应该发生在 model call 之前。
Harness projection pipeline：
- 先从完整 session log 开始，这是 source of truth
- 再看 context pressure：下一轮回答，tool use，evidence 还需要多少 context 空间
- 保留最近几轮 verbatim，因为这里通常放着当前任务
- 大的 output 变成 preview，完整内容留在 prompt 外
- 已完成的旧片段做显式 summary
- 注入当前 app state：changed files，validation，goal，tasks 和 fresh evidence
Four Projection Moves
每个动作解决 context management 中面临的不同问题
Large-Result Preview
有些 tool result 太大，不适合在每个 turn 原样放进 context。
例如：
- test logs，grep output
- generated files， web fetches
- dependency trees
弱 Harness 会随机截断，更强的 Harness 则会把完整结果放到别处，然后在 model-visible context 里放一个稳定 preview。
Model 得到足够继续工作的 evidence。
Harness 保留足够的 metadata，用来 resume，inspect，或者重新加载完整结果。
Idle-Gap Microcompact
有些 context 因为时间过去而变得不那么重要。
比如用户吃完午饭回来，或者 session 空闲了一夜。
最新 goal 仍然重要，最近几次 edit 仍然重要。
很久以前的重复 read 和 command output，未必重要。
microcompact 是一个小动作：
Old-Span Collapse
有时一整段 messages 已经完成使命，Harness 可以把这段折叠成 summary。但 summary 应该显式存在：
Model 知道 collapse 发生过，用户可以检查保留下来的内容。
resume 可以围绕 compact boundary 重建 conversation，而不会把 summary 当成一条随机的新 user message。
Auto-Compact Near The Limit
当 context pressure 很高时，Harness 应该在 model call 失败前 compact。
好的实现不能只写一句 "if too long, summarize"。
它需要：
- warning thresholds：提示用户 context 还剩余多少百分比
- hard blocking thresholds：超过限制前需要block model call，要求 compact 后再继续
- recursion guards：防止 compact 又触发新的 compact
- restored attachments or state blocks：compact 后重新加入attachments、file state、validation、goal 和 tasks。
auto-compact 要保护下一轮，同时保留继续工作所需的 evidence。
The Multi-Turn Loop
context 的管理，在 Multi-turn Loop 中尤其重要。
一个 Multi-turn Loop 大概如下，分为 5 个 phase：
在 loop 中，The next turn 从 committed runtime state 开始。
Phase 2 context projection 负责生成 model-visible view。
Phase 5 负责提交变化，让下一轮从真实的 runtime state 开始。
从 model call 开始，coding agent 的世界状态发生了变化，划分成了昨天和今天。
Model 不需要整个过去，它需要正确的过去、当前 state，以及足够支持下一步的 evidence。
Harness Context management 就是管理和决定 model call 看到的 selected view。