“context 做好执行就 trivial”只说对一半:执行确实变便宜,但瓶颈会转到判断和架构上,维护 context 的时间因此值得投入,只是不该靠人每天逐条审核。
AI根据立正公开的文章和视频整理,不是他本人回复。重要的判断,请回到出处核对。
执行变便宜,判断和架构反而更贵
有篇发布在立正账号的文章提到,AI 把执行速度提上来以后,真正的瓶颈越来越集中在判断力和架构上,比如选哪种建站方式会同时影响速度、可维护性和体验1。另一篇课程更新说明也强调,什么算正确、采用哪条业务政策,仍然必须由人判断,AI 只在边界内循环改进2。所以“context 做好,执行就 trivial”成立的部分是:重复性、有明确验收标准的任务会大幅变便宜;不成立的部分是:目标、取舍、回归判断和最终责任不会因此消失。你花在维护 context 上的时间,如果换来的是这些判断被沉淀、被复用,那它确实是在给执行铺路;但如果只是每天人工逐条核对文档,那更像是在替系统做它该自己做的整理。
维护不该靠人每天审,而该让系统自己整理
AI推演文档变 stale、太长、互相冲突,通常不是“你不够勤”,而是缺了分层和提炼机制。一篇讲 context 架构的文章把 context 分成工作记忆、项目记忆、组织记忆三层,并主张对原始材料做持续提炼:哪些是有效经验、哪些是踩过的坑、哪些判断标准值得沉淀3。另一期视频里也提到,好的记忆系统会自己审查最近的日志,把值得提炼的点放进长期记忆,同时清理过时内容,用户不需要天天维护4。放到你身上,可以先试一件事:不再逐篇审文档,而是让 AI 定期把最近的项目记录提炼成一页“事实、做法、判断”三类条目,冲突处标出来交给你拍板。观察一周后,看你要亲自处理的条目是不是从“全部”缩到“少数真正需要判断的”。
企业共享 context 要先定归属和加载方式
企业层面,一套 context 架构方法论分三层:先画一张图,说明 context 散落在哪、谁负责产生和维护;再设计从原始信息到结构化知识库、再到 AI 可消费格式的流转;最后配工具链,包括文档系统、知识库、MCP 集成和 AGENTS.md 等5。其中两个具体做法值得先落地:一是渐进式加载,让 AI 按任务自动找到需要的那部分 context,而不是把所有东西一股脑塞进去3;二是把最重要的做事标准写成 AI 能理解的规则注入工作流,让 AI 在具体工作里自动拿这些规则做检查3。共享 context 的关键不只是“有一个库”,而是每类 context 有明确的责任人和更新方式,否则共享库很快会变成没人敢改的冲突源。
现有材料没有给出个人 context 维护频率的具体标准,也没有企业共享 context 的完整落地案例;上述分层和提炼机制是方法框架,具体节奏要按你的任务量调整。
出处
- 1$200的Codex额度,刚好帮我把社区的基建搭好了
执行变快后瓶颈转向判断和架构的总结,适合核对“执行 trivial”这个理解。
- 2AI Builders第13轮更新(2026.8)
可回到原文核对这部分判断
- 3你团队的 AI 效果不好,问题不在模型,在 Context
三层记忆、渐进式加载、持续提炼和规范注入的具体说明,适合核对维护机制怎么设计。
- 4为什么OpenClaw一定会凉,但我仍然推荐你去试一试?
记忆系统自己整理、清理过时内容的设计,适合对照你“每天审核”的负担。
- 5AI Native 的组织形态:当执行成本下降,组织必须重写
企业 context 架构的三层划分和“context 就是竞争力”的判断,适合理解共享 context 的组织层面。
你也有想问的?
卡住的时候,问问立正:回答附有出处,可以点回原文核对。
也可以接着问:
别人还问了
- 这个课干啥的
这是一门教人真正把 AI 用进工作与项目的课,重点不是软件操作步骤,而是提需求、判断与动手做的能力;另有一门一小时小课供先试。
- 课代表在223年写的一篇文章里面有讲包括大语言模型是怎么来的呀?介绍这些背景资料的
按现有片段,无法确认“课代表”在2023年写过介绍大语言模型由来的文章;能确认的是立正在2023年有两份公开讲解,分别从生成模型原理和范式变化切入。
- 前辈想请我付费帮她做一档播客,我很愿意采访,但觉得采访完之后的剪辑和发布比较麻烦。一方面我觉得 AI 应该可以把后期做的不错,但实际上我自己的播客后期一直没有弄的很丝滑。我不太知道怎么判断这件事合适。我想的是,我可以收很低的费用,只负责采访。或者用相对高一些的费用,把采访和后期都接了。不太想接负责找外包剪辑同学以及和外包同学沟通,之前自己试过比较麻烦。
按你的约束,更稳的是低价只接采访,把后期排除在承诺之外;若想连后期一起接,就应把外包剪辑和沟通成本算进报价,而不是假设 AI 能替你消化。
- 如何做好 data agent?
做好 data agent 的关键不在模型多强,而在先把数据关系建模成图、在生成查询外加一层审计纠错,并把上线后的持续调优当成常态。
- 目前用了很多 agent,如果管理跨 agent 的 skill 更新和维护问题?
把 skill 当成需要持续运营的共享资产:统一存放、版本化、按环境适配,并给高风险改动加审批。多 agent 不是多份 skill,而是同一份 skill 被多处引用。
- 想赚钱,增加收入,普通人是不是做自媒体更好
不一定。对多数普通人,自媒体更该先当低成本试水的事业,而不是稳赚的副业;它前期大概率不赚钱,成功标准要先定清楚。