Amp 上下文管理完全指南：掌控对话，精准输出

在大语言模型（LLM）交互中，上下文窗口是决定输出质量的核心环节。Amp 平台为上下文管理提供了灵活且强大的功能，本文将完整翻译并拆解相关指南，助你轻松驾驭对话过程，让模型输出更符合预期。

一、上下文的核心逻辑

上下文窗口是大语言模型生成输出时接收的全部输入信息，包含对话全链路内容：你的消息、模型回复、工具调用记录，甚至模型“推理”过程中产生的思考片段。

上下文窗口的关键特性

1. 动态累积性：对话越长，窗口内容越丰富，新消息会持续追加，整体提交给模型处理。

2. 容量有限制：所有模型都有上下文处理上限，对话达到阈值后将无法继续扩展。

3. 内容相互影响：窗口内文本会转化为令牌（本质是数字），推理时令牌间相互作用，任何内容都可能影响输出结果。

4. 质量衰减性：通常上下文越少，输出质量越高；过长对话易导致模型“失控”，出现虚构信息、重复错误等问题。

工具调用的上下文记录示例

当请求模型执行终端命令时，完整交互流程会全程记入上下文：

• 用户指令：Run this command

• 模型响应：Ok

• 工具调用：Run command（含参数）

• 执行结果：Tool Call Result:...

• 最终反馈：Done./Ran it again.

这一机制适用于所有模型、聊天应用及代理工具，是上下文管理的底层逻辑。

二、Amp 中的上下文构成

在 Amp 中，用户实际与“代理”（而非单纯模型）交互，但上下文窗口的基础规则仍完全适用。Amp 对代理的定义为：模型 + 系统提示词 + 工具，工具是模型与上下文窗口外世界交互的桥梁。

线程与上下文的对应关系

用户与代理的对话线程（Thread）即等价于上下文窗口，线程中显示的所有内容（消息、回复、工具调用），最终都会提交给模型提供商用于推理计算。

上下文窗口的扩展内容

由于交互对象是代理，Amp 的上下文窗口包含额外关键成分：

1. 系统提示词：指导模型履行编码代理职责，明确沟通规范、工具使用场景及限制（如减少表情符号使用）。

2. 工具定义：所有工具的功能描述、输入参数及输出预期，均整合至系统提示词中。

3. 代码库文档：代码库中的 AgentS.md 文件自动纳入上下文，无需重复手动输入，帮助代理快速了解代码库规范。

4. 环境数据：包括操作系统类型、当前目录文件列表、已打开文件状态及文本选择情况等实时环境信息。

这些成分直接决定代理行为，例如将 AGENTS.md 替换为莎士比亚十四行诗，代理对“运行 ./cli 文件夹测试”的响应可能会完全不符合预期。

三、Amp 上下文管理实操技巧

Amp 提供多种灵活功能，帮助用户精准控制上下文窗口内容，优化交互效果。

1. 新增上下文：主动补充关键信息

• 文件引用：在 CLI 或编辑器扩展中，用 @+文件名 格式引用文件（输入 @ 后匹配文件名片段，回车插入）。文本文件内容会直接纳入上下文（单文件最多保留 500 行、每行 2KB），二进制文件会被忽略，图片文件将以附件形式插入。

• Shell 模式：CLI 中输入 $+命令 执行终端操作，命令内容、输出结果及退出状态会自动加入上下文，下次发送消息时同步提交给模型。

• 工具调用：主动请求代理运行特定工具，工具调用过程及结果会完整记录到上下文窗口。

2. 调整上下文：修正或清理内容

• 编辑消息：在编辑器扩展中点击历史消息进入编辑模式，CLI 中导航至目标消息后按 e 键编辑。提交后线程会重置，编辑后的消息成为最新消息，重新触发推理。

• 恢复状态：编辑器扩展中 hover 历史消息点击“Restore”，CLI 中导航至目标消息后按 r 键恢复。恢复后该消息及后续内容会被移除，线程回到此前状态。

3. 拆分上下文：多窗口并行管理

• 分支（Fork）：在消息间隙创建线程分支，复制当前上下文窗口（包含至分支点的所有内容）。编辑器扩展中 hover 消息点击“Fork”，CLI 中导航至目标消息后按 f 键，可生成独立新线程。

• 移交（Handoff）：提取现有线程关键信息至新线程。指定目标（如“为新增数据结构添加 UI 组件”），系统会自动分析原线程，提取相关消息、工具调用及文件信息，生成新线程的初始提示词，支持编辑后提交。

4. 跨线程引用：精准提取外部信息

通过线程 URL 或 ID 引用其他线程，也可在 @ 提及菜单中按标题查找线程。代理会调用 read_thread 工具，由第二个模型按指定目标（如“提取线程 T-1234 中的最终 SQL 查询语句”）提取相关信息，避免冗余内容占用上下文空间。

四、高效管理的核心原则

1. 保持精简：尽量缩短对话长度，聚焦核心任务，减少无关内容进入上下文。

2. 精准控制：主动添加关键文件、命令结果等有效信息，及时清理错误或冗余内容。

3. 灵活拆分：利用分支和移交功能，为不同任务创建独立上下文窗口，避免相互干扰。

4. 精准引用：跨线程提取信息时明确目标，确保模型只获取必要内容。

上下文窗口不仅影响对话结果，其本身就是对话成果的重要组成部分。掌握 Amp 的上下文管理技巧，能让你在与代理交互时更具主动性，显著提升编码效率与任务完成质量。