ContextForge：给编程Agent构建bounded可验证上下文的开源方案

大模型很擅长写代码，很多在处理上下文方面也表现不错，但在大型项目中，上下文往往会大幅膨胀，导致本地模型几乎失效，而大模型则会消耗大量上下文，甚至触及限额！但这还不是唯一的问题：有时候你只需要修一个小 bug，但智能体却把超过一半的上下文都花在分析项目上。

于是就产生了三个问题：

• 它积累了对任务而言不必要的东西；
• 本地模型整体无法正常工作；
• 上下文爆炸导致成本失控。

我创建了一个解决这些问题的项目。

ContextForge 是介于代码仓库和编码智能体之间的一个独立层。它不写代码，而是分析项目、挑选有限且必需的上下文，然后以 prompt + 上下文的组合形式返回结果。

我最近把这个项目发布为公开 beta 测试版，你可以在文章末尾的 GitHub 上找到它！

为什么需要一个独立的上下文层？

假设我们给一个智能体分配任务。

人类已经知道该去哪里找。但对智能体来说，整个思维链要从头开始：

• 这是什么项目？
• 源文件是否与 git 仓库匹配？
• 主文件在哪里？
• 这是什么函数？
• 哪些变量和函数已经存在，哪些需要编写？

所以，在写代码之前，智能体还要再完成一项任务：扫描代码仓库。

或许我的措辞有些生硬（除了扫描，智能体还在思考如何测试等），但扫描代码仓库是一个随仓库规模增长而愈发严重的问题，而且每次请求都会消耗越来越多的 token。

最初，我只是想从智能体身上剥离一件事——上下文管理。

目前这个项目仍处于 beta（甚至 alpha）状态。上下文可能会生成错误，本地模型也可能将幻觉引入上下文（而且在测试时不会修正它们）。但总体而言，项目已经在正常运行了。

如果你不介意的话，我非常希望得到你的反馈，也想听听你的想法和顾虑！

GitHub: https://github.com/waterflane/ContextForge