长上下文更需要主动治理

视频围绕长上下文 Agent 的工作记忆管理展开，声称参考了 Claude Code 核心成员的一篇文章，但未提供文章标题或链接，需人工核验来源。核心判断是：上下文窗口变大不等于系统更强，旧的错误路径、调试过程和冗余工具输出可能分散模型注意力。

可借鉴的操作包括：任务变化时新开 session；模型走错后用 rewind 回到关键节点，减少失败分支残留；长任务中主动 compact；方向变化或上下文已“脏”时，以人工重写 brief 的 clear 方式重建任务；将长过程任务交给 subagent，只把结论带回主上下文。

边界在于，视频将这些能力归因于 Claude Code，但转写与 OCR 存在明显识别错误，且未展示产品界面、命令语法或原始文章。因此应把它作为 Agent 上下文治理的实践观点，而非已核实的产品功能说明；尤其需确认 rewind、compact、clear 和 subagent 是否为目标版本实际可用的功能及其具体行为。