#上下文窗口
把 Claude Code 聊天搬到 Codex 时容易撞上下文窗口报错，这篇给了完整的提示词流程，连备份和验证都写好了，直接复制就能用。
用 Claude Code 的人看下这条：/autocompact 400k 能让消息不用背着一整个长对话跑，省钱省 token，还有个旧环境变量记得删。
LangChain 出了个 2 分钟小视频，讲 agent skill 怎么帮智能体省上下文窗口，写 agent 的人可以花两分钟看看。
Codex 的 GPT-5.6 Sol 百万上下文现在 ChatGPT 账号也能开了，不用 API 密钥，Plus/Pro 用户手动配置就能处理大项目，但注意额度烧得快。
OpenCode上了Gemini新模型，3.6 Flash便宜17%还有1M上下文，3.5 Flash Lite更便宜八成，编码省钱利器。
别被百万token的噱头骗了！这位工程师用GPT-5.5的数据告诉你，上下文越长准确率反而暴跌，真正的解法是持续学习和真实环境训练。
别被百万token的宣传忽悠了，GPT-5.5实际测试256k时准确率80%，拉到100万直接掉到36%。这不只是容量问题，是模型推理跟不上了。
Anthropic 刚发了 Sonnet 5，性能接近 Opus 4.8 但更便宜，不过新 tokenizer 会让你的账单多掏 30%，用之前先算好账。
OpenAI 的 GPT-5.6 Sol Preview 悄悄在 Cursor 里测试，上下文直接拉到 1M，能一口气吞整本小说了。
150 万 tokens 上下文窗口让处理超长合同、分析大型代码仓库成为可能，做文档密集型工作或复杂编程的开发者值得关注，可以直接用上更强大的长文本能力。
做 Agent 开发的团队经常被这两个概念搞混，本文用一个厨房比喻就讲清楚了，还点出了 Context Engineering 的实战价值——看完能帮你少踩坑，建议收藏。
想系统学习提示词工程但怕门槛太高？这门课从零讲起，适合所有想用好 AI 的非技术用户，学完就能直接提升与 ChatGPT 等工具的对话质量。
该研究揭示了LLM能力提升（如上下文窗口扩展）在社会互动场景中的意外负面效应，对多智能体系统设计和部署具有重要警示意义。