Prompt 很长，结果仍然飘
规则、证据和任务指令挤在一个没有结构的文本块里。
如果输出为什么变了说不清，问题已经不只是模型
这些故障看起来像模型不稳定，根因通常在选择、排序、记忆或权限。
召回了正确文档，还是答错
干扰信息更显眼，或关键证据被埋在 Context 中间。
历史越积越多，旧事实反复出现
没有写入、过期和冲突处理规则，Memory 迟早污染。
工具越接越多，任务反而做不好
Schema 抢走注意力，但权限和失败边界仍然没写清。
Context 是一套系统，不是一条超长 Prompt
五类信息进入调用，选择与预算决定留下什么，Trace 与 Eval 决定能不能上线。
System Policy
稳定规则、身份和不能越过的边界。
Tool Contract
只加载当前步骤需要的能力，并写清权限。
Memory
区分会话状态与长期事实，规定生命周期。
Retrieved Evidence
为当前问题选择新鲜、可引用的证据。
User Task
本轮请求、约束和完成标准。
8 道闸门，完成一份 Context System Spec
全程使用同一个真实助手、RAG 流程或 Agent。每章都给同一份系统说明补一块可评审证据。
10 章按工程决定组织，不按概念平铺
核心闸门按顺序完成；工具对比和 Agent 章节在基础稳定后扩展。
阶段 01
先把系统说清楚
先把任务和支撑任务的信息分开。
阶段 02
控制证据与成本
分配空间，广召回，再有依据地筛选。
阶段 03
设计记忆与行动
控制什么可以留下，以及哪些工具可以执行。
阶段 04
比较并验证
拆解真实 Agent 的策略，再验证自己的系统。
系统边界
Context 来源登记
选择规则
Token 预算
Memory 策略
工具权限图
Trace 字段
评测与上线门槛