Agent 对话技巧：分步下达、新旧会话、先想再做、context 管理

Agent 对话技巧

每天都在用但很少被系统整理的东西

1
复杂任务分步下达，别一口气全倒出来
Agent 不是搜索引擎——信息量太大它也会晕
❌ 一口气倒完
"帮我分析 data/ 下的销售数据，按月汇总，做成图表，然后用公司模板做 PPT，封面要放 logo，内容包含市场分析和竞品对比，竞品数据从 reference/ 里找，图表配色用公司色板，最后生成周报放到 output/ 目录，还要检查数字是否正确"

→ Agent 很可能漏做 2-3 项，或者前面的做对了后面的开始跑偏
✅ 分步走，每步确认
第 1 轮："先读 data/ 下的 CSV，按月汇总各平台数据，列一个表给我看"
✓ 确认数字没问题

第 2 轮："数据没问题。把这些数据做成图表，配色用 #003366"
✓ 确认图表样式

第 3 轮："图表OK。现在做成 PPT，用公司模板"
→ 每步产出可控，出了问题只需回退一步
经验法则：一条指令里的独立要求不超过 3 个。超过 3 个就拆。Agent 不是做不了，而是做多了容易丢细节。分步的好处是每一步你都能检查——发现问题只需修正那一步，不用从头来。
但如果你已经有了一个写好的 Skill（比如"写周报"技能里包含了全部步骤），一句话下达就行——因为 Skill 已经帮你做了分步规划。分步下达是在没有 Skill 的情况下的最佳实践。
2
"先想再做"——让 Agent 先出方案，你确认后再执行
最能提升输出质量的一句话
直接说"帮我做 XXX"，Agent 会立刻开始干——有时候方向就错了。加一句"先列出你的计划，我确认后再动手"，Agent 会先输出一个方案让你审核，这样你可以在它动手前修正方向。
❌ 直接开干
"帮我重构 auth 模块"
→ Agent 立刻开始改代码
→ 改了 20 个文件后你发现方向不对
→ 回退成本巨大
✅ 先出方案
"帮我重构 auth 模块。先列出计划：要改哪些文件、每个文件改什么、执行顺序。我确认后再动手。"
→ Agent 先输出方案
→ 你看到"方案第 3 步不对"
→ 修正后再执行，0 浪费
触发"先想再做"的常用说法：
先给我一个计划，不要直接执行
先列步骤，等我说 OK 再做
Think step by step, show me the plan first
用 plan mode——只输出方案不执行
Claude Code 有 /plan 模式，Codex 有 suggest 模式——开启后 Agent 只输出计划不执行，你确认后手动切回执行模式。
3
什么时候该开新会话？
不是所有事情都该在同一个对话里做
每轮对话的内容都会堆积在 context 里。对话越长，Agent 的"记忆"就越模糊——就像一个人同时记住 50 件事，必然会搞混。判断标准很简单：
继续当前会话：下一步跟上一步有关联。比如"数据分析完了→基于结果做图表→把图表放进 PPT"——这是一条链，中间切断 Agent 就丢了上下文。
继续当前会话：需要 Agent 记得之前说的话。比如"把第三段改短一点""颜色改成上次说的那个"——这些依赖之前的对话上下文。
开新会话：新任务和上一个完全无关。比如做完周报后要写一封邮件——这两件事互不相关，旧对话的上下文只会干扰。
开新会话：Agent 开始"犯迷糊"。回答开始重复、引用了不存在的内容、或者数据搞混了——这是 context 快满了的信号。
开新会话：对话超过了 20-30 轮。经验值：大多数 Agent 在 30 轮左右开始明显降质。
开新会话不意味着丢失一切——如果你的文件空间（workspace）是持久的，Agent 在新会话里重新读一遍文件就能恢复大部分上下文。丢失的只是"这次对话里你说过什么"。
4
Context Window 管理：对话多长会开始变差？
理解这个，你就知道为什么 Agent"越聊越笨"
Agent 的"记忆"有一个固定大小的窗口（context window）。所有东西——系统指令、CLAUDE.md、技能、你的对话、读取的文件——全部挤在这个窗口里。窗口满了，最早的内容会被"挤出去"或被压缩，Agent 就开始遗忘。
系统
规范
技能
对话
文件
⚠ 剩余
系统指令 CLAUDE.md 技能 ← 对话内容越来越多 → 文件 ⚠快满了
对话越长，"对话"这块就越大，挤压其他内容的空间。当它占了大部分窗口，Agent 就没空间记住文件内容和早期对话了——输出质量开始下降。
⚠ 开始降质的信号
Agent 回答变短变泛 · 开始重复之前说过的话 · 引用的数据跟实际文件不一致
🛑 必须开新会话的信号
Agent 编造了不存在的文件名 · 把 A 文件的内容说成 B 的 · 完全忘了你 10 分钟前给的指令
各模型的 context 大小参考：
Claude
200K token
≈15万字中文
GPT-5.5
1M token
≈75万字中文
Gemini 3.1
2M token
≈150万字中文
窗口大不等于全程不降质。研究表明即使 context 没满，Agent 对中间位置的信息记忆也比开头和结尾弱（"lost in the middle"问题）。200K 的窗口不代表你能聊 200K 字不出错——实际有效范围通常在 30-50% 左右。
5
设置"检查点"——别让 Agent 闷头跑到底
像走路一样，每走一段看看方向对不对
Agent 可能在第 3 步就开始跑偏了，但它不会停下来问你——它会一路偏到底。你需要主动设检查点：让 Agent 做完一段就停下来给你看结果，确认对了再继续。
帮我把这 7 个文件整理成周报。每完成一个大步骤就停下来给我看，不要一口气做完。
好的。第一步完成：已读取所有文件，数据汇总如下……
请确认数据是否正确，我再继续下一步。
数据没问题，继续
第二步完成：周报正文初稿如下……
请确认方向和格式，我再做最后的优化。
第二段太长了，缩短一半。其他 OK
已调整。最终版保存到 output/周报.md
触发检查点的说法：
"每完成一步就停下来给我看"
"做完数据分析先让我确认，再做下一步"
"不要自动执行，每步等我确认"
"分三个阶段，每个阶段给我 checkpoint"
检查点还有一个隐藏好处——它帮你省钱。如果第 2 步就发现方向错了，你只浪费了 2 步的 token。如果不设检查点让 Agent 一口气跑完 10 步，错了就是 10 步全浪费。