必须主动控制上下文信息：①输入源路径与格式约束；②用户强指定的输出规范；③已验证有效的临时状态标记。建议压缩业务规则、校验结果和角色缩写，剔除原始日志、截图、冗余堆栈及历史对话。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你在 AionClaw 中执行一项需要多步推理、跨文件操作或长期记忆支撑的任务（比如“根据上周销售数据生成三版差异化周报并邮件发送给不同部门”）时，必须主动控制哪些信息进入任务上下文，否则模型会因上下文过载而截断关键细节，或因信息混杂导致指令偏移。AionClaw 的上下文管理虽支持自动裁剪与压缩，但裁剪逻辑基于 token 长度和近期活跃度，不识别业务语义优先级——这意味着你必须人工标定真正不可丢弃的内容。
必须放进上下文的三类硬性信息
① 当前任务明确的输入源路径与格式约束：例如 【/Users/me/data/q3_sales_20261008.csv，字段含 region、product_id、revenue、date，日期格式为 YYYY-MM-DD】。漏掉路径会导致 Agent 在本地搜索失败；漏掉字段名或格式说明，模型可能误判列含义，后续聚合出错。
② 用户强指定的输出规范：包括格式（Markdown / Excel / PDF）、结构（是否带汇总行、分组层级）、命名规则（如“周报_财务部_20261009_v2”）、交付渠道（企业微信「财务群」、邮箱 to:finance@xxx.com）。这些不是可选项，而是任务完成的验收边界。
③ 已验证有效的临时状态标记：比如某次任务中你确认“region 字段已标准化为大写中文（华东/华北/华南）”，这个结论必须显式写入当前上下文。否则下一轮调用时，Agent 可能重新执行清洗，造成重复操作或覆盖原始数据。
建议放入、但需压缩表述的信息
方法一：用单句概括业务规则，避免整段复制制度文档。例如把《销售返点政策V3.2》里 5 页内容压缩成：“返点率=基础返点（5%）+阶梯奖励（季度销售额＞100万加1%，＞300万再加0.5%），仅适用于 status=‘confirmed’ 订单。”
方法二：只保留最近一次人工校验结果。比如你刚手动修正了 product_id “P-7721A” 对应的产品名称为「智能会议终端 Pro」，就只需写入这一条映射，不必带上历史错误名称列表。
方法三：对多轮对话中反复出现的角色/组织，建立缩写锚点。首次出现写全称“杭州趣猿人工智能有限公司（AionClaw 开发方）”，后续统一用“AionClaw 团队”。这能省下数十 token，且不损失指代清晰度。
必须剔除或延迟加载的信息
原始日志文件全文、未裁剪的截图 Base64、超过 3 行的报错堆栈（只留第一行错误类型 + 最后一行触发文件路径）、过往任务的完整对话记录（除非当前任务明确要求对比上一轮输出）。AionClaw 的 Hermes Agent 虽有长期记忆，但任务上下文（task context）是隔离的瞬时容器，混入冗余信息会直接挤占真正需要的推理空间。
这一步操作起来很简单，直接把文件拖进去就行。
