上下文管理

AI 工具使用成本已经成为工程能力的一部分，不能只看模型能力。

账号池和中转可以降低短期成本，但长期风险是账号、IP 和稳定性。

重要项目记忆应该写入本地 AGENTS.md，而不是依赖某个账号的聊天记忆。

上下文压缩会省 token，但复杂任务更适合拆分和交接，而不是无限续聊。

MCP 和 Skill 的价值在于把能力变成明确可调用的工具，并限制 Agent 乱用其他路径。

超大 md 和长上下文会同时增加成本、降低稳定性、放大幻觉风险。

项目记忆应放在项目根目录的 AGENTS.md 或 agent.md，全局指令不应承载所有上下文。

迁移电脑时，资料和配置可以脚本化迁移，但权限与账号授权通常需要重新处理。

长任务不要依赖聊天记录无限延续，应该主动维护交接文档和任务状态文件。

自动压缩上下文可以兜底，但人工维护的 Markdown 事实源更可控、更稳定。

多模型编排的核心是能力分层：强模型管规划和审查，低成本模型管执行和批处理。

对复杂文件任务，planning-first + file-based workflow 能显著降低上下文浪费。