AI编程效率断崖下跌？GSD系统揭示“上下文腐烂”真相

【你以为AI编程不行，是你喂给它的“上下文”全是信息垃圾】快速导读：你以为AI编程助手跑几个任务就“变笨”是模型问题？错了。一篇雄文揭示，真正的问题是“上下文污染”。一个名为GSD的系统通过重构整个工作流，让AI Agent告别“失忆”，真正开始处理大型、真实的项目。核心不是更强的AI，而是更聪明的“脚手架”。---你一定有过这种体验：让一个AI编程助手处理一个项目，前两个任务还像模像样，思路清晰。从第三个任务开始，它就像喝了酒，开始胡言乱语，忘记之前的文件，重复已经修复的错误，甚至编造根本不存在的函数。你以为是模型能力不行，或者上下文窗口不够大。你关闭窗口，深吸一口气，准备重新解释一切。其实，问题根本不是模型“变笨”了，而是它的工作环境被“污染”了。一个在网上引起广泛讨论的系统GSD（Getting Shit Done）的文档，把这个现象精确命名为“上下文腐烂”（Context Rot）。AI Agent不是失忆了，而是被你之前所有操作留下的海量、过时、无关的“数字垃圾”给淹没了。GSD的核心洞察一针见血：别让LLM做它不擅长的事。一个可靠的AI开发系统，必须进行彻底的“人机分工”。LLM只做一件事：判断。比如分解任务、评估代码、诊断问题。而其他所有机械性工作——Git操作、文件管理、状态流转、上下文组装——必须由确定性的代码（Deterministic Code）严格执行。GSD系统里，AI甚至从不亲自构建一条Git命令。这种分工的极致体现在“上下文修剪”上。GSD为每个任务都设置了一个“锚点”，在AI开始新任务前，系统会无情地修剪掉所有之前任务留下的对话、工具调用和失败尝试。AI每次都是在一个干净、清爽、只包含必要信息的“房间”里开始工作。任务7和任务1，享有同等纯净的上下文。这就是为什么多数AI系统在第3、4个任务后性能就断崖式下跌，而GSD可以持续高效的原因。这套体系对程序员的启示是颠覆性的。你的核心竞争力，不再是写具体实现的代码，而是像GSD系统一样，为AI设计一套完美的“脚手架”的能力。你得学会像架构师一样思考：如何把一个大项目分解为可独立验证的“切片”（Slices）？如何在一开始就定义好各个模块间的“边界地图”（Boundary Maps）？所以，当你下次抱怨AI“又犯傻了”的时候，或许该问问自己：是我没把它教明白，还是我给它提供的工作台，本身就是个垃圾堆？---简评：这篇文章点破了关键：我们一直想造一个更聪明的“大脑”，但GSD的思路是给这个大脑造一个完美的“神经和骨骼系统”。前者是炼丹，后者才是工程。未来程序员的价值，不在于搬砖，而在于设计和维护这个“骨骼系统”的能力。---ref: x.com/gsd_foundation/status/2030361888681239003#AI创造营##人工智能#

新浪微博 2026-03-09 00:00:00