1956 年，認知心理學家 George Miller 發表了一篇後來成為該領域被引用次數最高的論文之一："The Magical Number Seven, Plus or Minus Two"。他的發現很直覺：人類的短期記憶一次只能處理大約七個東西 — 七個數字、七個詞、七個概念。超過這個容量，前面的就開始掉。
這不是因為人笨。是短期記憶有物理上限。不管多聰明的人，同時追蹤十五件事情就會開始漏。解法不是變聰明，是把東西分組、做筆記、建結構 — 用外部工具補償內部容量的不足。
七十年後，AI coding agent 碰到了同一堵牆。只是單位從「七個 chunk」換成了「一個 context window」。
每次跟 Claude Code 開一個對話，agent 能看到的所有東西 — 系統指令、CLAUDE.md、記憶索引、你說的每一句話、agent 讀過的每一個檔案、跑過的每一個指令的輸出 — 全部塞在一個固定大小的 context window 裡。
這個 window 有上限。當對話越來越長，token 用量逐漸逼近上限。Claude Code 會自動壓縮較早的對話內容，保留摘要、丟掉細節。就像人忙了一整天，早上討論的細節到下午只記得大概結論 — agent 也是。
Day 9 講的記憶系統是長期記憶 — 跨對話持久化，下次還在。Context window 是短期的工作空間 — 只在這次對話內有效，而且容量有限。認知科學早就知道這兩種記憶的區別。AI agent 的架構不過是同一個區別的技術實現。
Context window 飽和不會報錯。它的表現是 agent 變鈍：
開始忘記對話前半段討論過的決定。二十分鐘前說好用 Strategy A，現在它又在提 Strategy B。
對話中做過的補充和修正開始失效。CLAUDE.md 本身每次壓縮後會重新載入，但你在對話過程中額外交代的脈絡 —「這個 API 要用 v2 不要用 v1」「剛剛那個方向不對，改用 X」— 這些會在壓縮中被摘要成一句話，甚至消失。Agent 手上有規則，但丟了你給的例外和補充。
開始重複問已經回答過的問題。Agent 讀過的檔案內容在壓縮後只剩一行摘要，細節不見了。
這些現象的共通點：不是 agent 變笨了，是它即時能處理的資訊裝不下了。對話越長，這個問題越明顯。事後打 /usage 可以看到有多少用量來自超過 150K context 的對話 — 如果比例很高，就是該更積極壓縮和換窗的信號。
認知心理學的解法是 chunking — 把零散資訊打包成有意義的組塊，讓七個 slot 裝更多東西。AI agent 有對應的做法。
最直接的是 /compact。這個指令主動觸發對話壓縮 — 把較早的對話摘要成更短的版本，釋放 context 空間。適合在完成一個階段性任務之後用：debug 完一個問題、實作完一個功能，在進入下一個任務之前 /compact 一次，把前一段的細節壓縮成結論。
任務之間沒有強依賴的話，開新對話比在同一個長對話裡繼續更有效。不想離開 terminal 也可以用 /clear — 效果一樣，在同一個 session 裡清掉 context 重來。新的 context window 重新從 CLAUDE.md 和記憶載入，不帶前一段任務的殘留。Day 9 的記憶系統在這裡發揮作用 — 長期記憶確保換了對話不會從零開始。
再進一步，Claude Code 可以把一件事交給 subagent 處理 — subagent 有自己獨立的 context window，跑完把結果交回來。主對話只收到結論，不收到過程中讀了哪些檔案、跑了哪些指令的完整輸出。這跟人類開會做的事一樣：不是所有人都需要知道所有細節，每個人負責一塊，匯報結論就好。
邏輯是同一個：不要讓一個 context window 裝所有東西。該壓縮就壓縮，該換窗就換窗，該拆分就拆分。
Miller 在 1956 年描述的不是缺陷，是特性 — 短期記憶的容量限制迫使人類發展出 chunking、外部記憶、分工協作。這些不是繞過限制的 hack，是因為限制而生的設計。
AI agent 的 context window 限制也不是等著被修好的 bug。模型越來越大、window 越開越寬，但只要是有限的，管理工作記憶就永遠是使用者的責任。
這個系列一路走來的做法 — 指令檔控制篇幅、context engineering 精準餵資訊、記憶系統分離長期與短期 — 底層原因都是同一個：工作記憶有限，所以要精簡、要結構化、要把不需要即時存取的東西移到外面。
七十年前的認知心理學實驗室，和 2026 年的 terminal 裡，撞的是同一堵牆。差別只是從七個 chunk 變成了二十萬個 token — 但「有限」這兩個字沒變。
延伸閱讀
iThome鐵人賽
看影片追技術