AI上下文污染与Harness纠偏
Introduction
一套讲清并缓解「AI 上下文污染」的用法纪律，用相声段子（初一孩子→抽什么烟→搞对象→你对象抽什么烟）类比 AI 工作机制：大模型逐 token 猜测，会把上下文里的错误前提一路沿用，导致「前提全错、推理全对」。结论：这基于原理无法根除，只能靠 Harness 缓解。两招：①不要长时间用同一窗口——任务完成就新开窗口切断错误链条；大任务用 Handoff 文档跨窗口续接（详见 `ai-anti-degradation`）②给 AI 的任务里加「前提检查 Harness」——执行前列出关键前提并区分事实/推测/缺信息，重要前提未确认先问，不要在错误前提下盲目执行。附带 `harness.py`：把前提检查注入任务、或审计一段提示词是否已含前提检查。当用户说「上下文污染」「AI 跑偏」「前提错了推理却对」「怎么给 AI 加护栏」「harness 纠偏」「任务被错误前提带跑」等时使用。
Resource Information
License information is collected from official sources and may be outdated or missing. Refer to the LICENSE file in the original repository before commercial use.
Information boundary
Information on this page is collected from official documents for technical presentation only and does not imply our endorsement. Pricing, quotas and availability are subject to the latest official statements. We make no commitment regarding any action you take after leaving this site.
Similar skills
Agent Browser
Not specified用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互（包括浏览页面、填写表单、点击按钮、截图等）时使用。
Find Skills
API key required帮助用户发现和安装智能体技能，当用户询问如「如何做X」、「找X的技能」、「有能做...的吗」等问题时
self-improving agent
Not specified记录自身发现以实现自我改进的技能
Agent Browser
Not specified用于 AI 代理的浏览器自动化 CLI。当用户需要与网站交互（包括浏览页面、填写表单、点击按钮、截图等）时使用。
WorkBuddy签到助手
Marked paidAPI key requiredWorkBuddy签到助手（WorkBuddy「Buddy 加油站」每日签到自动化 Skill，接口直签，跨平台 Windows/macOS/Linux）。当用户说"每天自动签到 / 每日签到 / 自动领 Buddy 加油站积分 / 现在签个到 / 帮我签到一次 / WorkBuddy 打卡 / 检查签到环境 / 派猫猫旅行 / 猫猫旅行 / 领旅行奖励 / 自动派猫猫 / Buddy 在旅行吗 / 推送签到结果 / 签到通知发钉钉 / 客户端更新后签不了 / 5.6.2 签到失败 / 登录态加密了 / Mac 上签不了 / 需要授权 / 长效令牌 / refreshToken / 不开客户端签到 / 令牌自动续期"时使用。三通道自动择一：本机登录态可用（如 Windows）零配置直签；无法本地解密（如 macOS）走一次性网页授权；或一次性保存长效令牌后自动续期，客户端不开也能签。支持派猫猫旅行全自动闭环（先领后派）、桌面通知与 12 类渠道推送（钉钉/飞书/企业微信/微信等），对齐 totorosir-push-message，可设每日 09:00 自动签到。
Proactive Agent
FreemiumAPI key required将 AI 代理从任务执行者转变为能够预见需求、持续优化的主动伙伴。现已支持 WAL Protocol、Working Buffer、Autonomous Crons 及经过实战验证的模式。属于 Hal Stack 🦞。
What is a Skill
A Skill is a packaged single capability, such as text recognition, document summarization, or keyword extraction. Developers wrap the calling logic and prompts into a plugin-like unit, so users can load it without understanding the underlying model. StackPilot indexes a large number of skills that can be tried instantly or assembled into a plan.