灵感来源：https://linux.do/t/topic/1016008
先说我认同的一个观点：llm每次输出其实都是抽奖，一开始的指令，模型自己输出的上下文会对模型后面的输出有显著影响，前者有了提示词，后着也许会导致模型固执，虽然用户可以纠正，但是可能会影响模型的注意力分配，如果是新功能新项目，感觉远不如重新生成的效率高
我非常认同这句话：错了不要改，直接重新来
先说我想法流程：
1.先进行规划，计划，我不知道有没有plan mode或者/plan ，在这个时候和ai沟通好，纠正ai错误的想法和乱添加的功能，形成一个详尽的步骤或者todo，每个步骤尽量保证代码量在模型的上下文以内，例如最多到 60%，按大佬们的说法自动压缩是容易影响ai实力发挥的
2.自动创建一个全新的上下文窗口并给予计划的一个步骤让他执行，一个步骤一个上下文窗口，成功满意了就下一个，实现了的功能记录到项目记忆里，snow.md文档，例如记录相关的api
3.当某个功能错了或者不满意就让他停止，让ai自动总结注意事项到步骤计划里，然后自动开新窗口重新执行
其实我感觉这好像就是sub-agent工作流，有种roo code既视感
难度感觉在计划，项目记忆，新窗口，如何保证计划的每个步骤拆分的足够好，如何自动化的清理上下文窗口，自动总结错误和添加注意事项，如何连接不同窗口的记忆也是个问题
分享一个我在cc用的feat功能：https://linux.do/t/topic/815230 ，有参考价值，但是和这个想法不是很关联，超级细分和分上下文执行然后纠正重新抽奖，我觉得是个好想法，目前我不知道有没有实现的案例，目前常见也只是把计划，代码，文档，测试分开agent和上下文执行，不知道coding分多个上下文会不会更好
灵感来源：https://linux.do/t/topic/1016008
先说我认同的一个观点：llm每次输出其实都是抽奖，一开始的指令，模型自己输出的上下文会对模型后面的输出有显著影响，前者有了提示词，后着也许会导致模型固执，虽然用户可以纠正，但是可能会影响模型的注意力分配，如果是新功能新项目，感觉远不如重新生成的效率高
我非常认同这句话：错了不要改，直接重新来
先说我想法流程：
1.先进行规划，计划，我不知道有没有plan mode或者/plan ，在这个时候和ai沟通好，纠正ai错误的想法和乱添加的功能，形成一个详尽的步骤或者todo，每个步骤尽量保证代码量在模型的上下文以内，例如最多到 60%，按大佬们的说法自动压缩是容易影响ai实力发挥的
2.自动创建一个全新的上下文窗口并给予计划的一个步骤让他执行，一个步骤一个上下文窗口，成功满意了就下一个，实现了的功能记录到项目记忆里，snow.md文档，例如记录相关的api
3.当某个功能错了或者不满意就让他停止，让ai自动总结注意事项到步骤计划里，然后自动开新窗口重新执行
其实我感觉这好像就是sub-agent工作流，有种roo code既视感
难度感觉在计划，项目记忆，新窗口，如何保证计划的每个步骤拆分的足够好，如何自动化的清理上下文窗口，自动总结错误和添加注意事项，如何连接不同窗口的记忆也是个问题
分享一个我在cc用的feat功能：https://linux.do/t/topic/815230 ，有参考价值，但是和这个想法不是很关联，超级细分和分上下文执行然后纠正重新抽奖，我觉得是个好想法，目前我不知道有没有实现的案例，目前常见也只是把计划，代码，文档，测试分开agent和上下文执行，不知道coding分多个上下文会不会更好