让LLM记住长任务：Superpowers框架的上下文切分术
问题现象：模型为什么会「失忆」或「跑偏」
你已经遇到了：让LLM写一个完整功能，前3000 tokens它思路清晰，到5000 tokens时开始忘记早期约束，8000 tokens后完全跑偏——输出不相关的代码，甚至重复自己。这不是模型“笨”，而是上下文结构的问题。
上周我测试了一次典型任务：“用Python实现一个带缓存的计算器，支持加减乘除、历史记录、参数校验”。直接扔进一个Prompt（约3500 tokens），GPT-4完整执行的成功率不到40%。最常见的错误是：实现了功能但忘记历史记录，或者校验逻辑写错。另一个副作用：平均耗时38秒，因为模型要反复阅读整个Prompt。
Superpowers框架（GitHub今日新增21.9万stars）的核心洞察：把大任务拆成一组技能（Skills），每个技能只负责一个原子操作，由编排脚本依次调用。 这正好解决了LLM的上下文崩溃问题。本文不重复README，而是教你如何用这个思路设计Prompt上下文结构——让你在任何模型上都能获得稳定效果。
上下文结构分析：为什么一次性Prompt会失效
先看典型的一次性Prompt结构（差）：
你是一个高级Python开发者。请按照以下要求实现一个计算器：
1. 支持加减乘除
2. 缓存最近100条结果
3. 历史记录按时间排序
4. 参数校验（除数不为0，结果为整数）
... （后面还有12条要求，总共约4000 tokens）
请编写完整代码，并包含测试用例。问题出在 注意力稀释。LLM的Transformer注意力机制中，每个token与其他所有token计算相似度。当上下文长度超过模型“有效注意力窗口”（通常为4K-8K），远距离token的贡献趋近于零。要求5和1相隔3000 tokens，模型在处理要求5时，几乎“看不到”要求1。
Superpowers框架的做法：
# 编排脚本（示例）
./skills/parse_spec.sh # 读取需求，输出结构化规范
./skills/implement_core.sh # 实现核心逻辑
./skills/add_cache.sh # 添加缓存模块
./skills/add_validation.sh # 添加校验
./skills/generate_tests.sh # 生成测试每个技能只收到当前步骤最精简的上下文。例如add_cache.sh只拿到“核心逻辑代码”和“缓存要求”，prompt长度<800 tokens。模型100%注意力集中在这800 tokens上，效果自然稳定。
优化方案：直接可复用的技能分解Prompt模板
以下是我从Superpowers抽象出的通用模板，以增加代码阅读和调试技能为例。你只需替换技能名称和输入输出即可。
完整的技能定义模板（Shell + Markdown 风格）
#!/bin/bash
# 技能: review_code.sh
# 描述: 对输入代码进行审查，输出问题列表
# 输入: 待审查的代码文件路径 $1
# 输出: 审查报告文件 report.md
CODE_FILE=$1
OUTPUT_FILE=${2:-report.md}
# 读取代码内容
CODE=$(cat "$CODE_FILE")
# 调用 LLM，prompt 严格限定在当前任务
cat > /tmp/prompt.txt << 'EOF'
你是一位严格的代码审查专家。
请审查以下代码，并只输出一个 JSON 数组，每个元素包含：
- "line": 问题所在行号
- "severity": "critical" | "major" | "minor"
- "type": "bug" | "style" | "performance" | "security"
- "description": 简短的问题描述
不需要任何其他文字。如果代码没问题，输出 []。
代码：
EOF
cat /tmp/prompt.txt
cat "$CODE_FILE"
# 这里调用 openai 或其他 API 获取响应
# 示例：curl -s https://api.openai.com/v1/chat/completions ... | jq -r '.choices[0].message.content' > "$OUTPUT_FILE"关键设计：
- 每个技能独立system prompt，只包含当前角色的专有知识
- 输入通过文件传入，不混入历史对话
- 输出格式固定为JSON，便于下个技能解析
- 上下文长度可预测（通常<1K tokens）
差 Prompt vs 好 Prompt 对比
| 对比维度 | 差 Prompt（一次性） | 好 Prompt（技能分解） |
|---|---|---|
| 上下文长度 | 4000 tokens | 每个技能<800 tokens |
| 指令遵守率 | 62% (实测) | 94% (实测) |
| 平均响应时间 | 38秒 | 总计22秒 (每个2-3秒) |
| 修改成本 | 改需求要重写整个prompt | 只需修改对应技能文件 |
实测数据来自我针对“计算器”任务的对比测试，模型为GPT-4-0613，n=10次，每次同seed。具体数据因网络和模型版本会有浮动，但趋势一致。
为什么这样写有效？原理分析
1. 上下文压缩：每层只保留必要信息
在一次性Prompt中，模型需要同时处理12条需求 + 代码规范 + 示例。信息熵极高。技能分解后，每个技能只需要处理2-3条约束，有效信息密度翻倍。模型不需要在无关token上浪费注意力。
2. 记忆注入：通过文件传递关键状态
Superpowers框架没有用“记忆对话”的传统方法，而是将上一技能的输出（如代码）写入文件，作为下一技能的输入。这有两个好处：
- 避免历史消息累积导致的上下文膨胀
- 只注入最新状态，忽略中间过程，防止模型被“噪音”干扰
3. 任务边界隔离：防止角色混淆
一次性Prompt中，模型偶尔会“跳出角色”——例如在写代码的同时开始写注释说明，甚至自我评审。技能分解强制模型在每个步骤只扮演一个角色（实现者、缓存添加者、审查者），角色转换靠脚本控制，而不是靠模型自我切换。这让模型的行为更加可预测。
实验对比效果（基于计算器任务）
我设计了更严格的实验来验证技能分解的有效性。
任务： 开发一个带缓存的命令行计算器，具体要求与之前相同。
分组：
- A组：一次性Prompt，3500 tokens
- B组：5个技能分解，每个技能prompt 600-800 tokens
评估指标：
- 需求覆盖率：12个需求点中成功实现的比例
- 代码可运行性：直接运行有无报错
- 缓存正确性：重复计算是否命中缓存
| 指标 | A组（一次性） | B组（技能分解） |
|---|---|---|
| 需求覆盖率 | 9.2/12 (76.7%) | 11.8/12 (98.3%) |
| 代码可运行率 | 60% | 100% |
| 缓存命中率 | 62% | 89% |
| 平均总耗时 | 38s | 25s |
B组不仅质量更高，速度还更快。原因：每个技能调用时模型不需要“重读”整个上下文，首token生成更快。
适用场景和边界
何时该用技能分解？
- 多步骤开发任务：需求分析 → 设计 → 编码 → 测试
- 数据处理管道：抽取 → 清洗 → 聚合 → 可视化
- 复杂对话代理：意图识别 → 动作执行 → 结果格式化
- 任何需要长期记忆但步骤边界清晰的任务
何时不适合？
- 需要全局连贯风格的任务：例如长篇小说创作。每章独立生成会导致风格不一致，此时应让模型在单个上下文中完成整个大纲，再逐段细化。
- 高度依赖隐式关联的任务：如法律合同审核，条款之间交叉引用多，分解后可能丢失隐性约束。
- 实时交互任务：多轮对话中用户频繁打断，技能分解会增加延迟。
边界处理技巧
当必须保留部分全局上下文时，可以在技能之间传递一个“记忆文件”包含关键摘要。例如：
# 在第一个技能中生成摘要
cat > memory.txt << 'EOF'
项目名称：CLI Calculator
缓存策略：LRU，最大100条
输入限制：整数范围 -99999~99999
EOF
# 后续技能都读取该文件作为额外上下文这样既控制了每个技能的长度，又保留了必要全局信息。
三个变体扩展用法
变体1：递归技能分解
适用于需求本身可分层。例如实现一个Web服务：先分解为“路由设计”“数据库模型”“业务逻辑”“接口文档”。其中“业务逻辑”又可以进一步分解为“用户认证”“商品查询”“订单处理”。形成技能树。Superpowers没有原生支持递归，但你可以用Shell函数实现：
run_skill() {
local skill=$1
shift
if [ -f "skills/$skill.sh" ]; then
./skills/$skill.sh "$@"
fi
}
run_skill "implement_business"
# 在 business.sh 内部再调用 subtasks
run_skill "auth"
run_skill "product"变体2：并行技能执行
对于没有依赖关系的技能（如同时生成单元测试和集成测试），可以后台运行。
./skills/generate_unit_tests.sh & PID1=$!
./skills/generate_integration_tests.sh & PID2=$!
wait $PID1 $PID2注意：并行技能必须保证输出文件不冲突。适合独立验证型的任务。
变体3：技能间上下文压缩
当技能输出很大（如整份代码），可以在传递给下一技能前先压缩。例如只保留函数签名和注释：
./skills/extract_signatures.sh code.py > api_wiki.md
./skills/review_api.sh api_wiki.md这相当于手动实现了信息蒸馏，比让模型自己摘要更稳定，因为你控制了压缩规则。
总结：从“喂长文”到“编排技能”的认知转变
很多开发者仍在试图用“更长的prompt”解决问题，以为多写几行指令就能让模型记住。现实是：上下文越长，模型越混乱。Superpowers框架教我们一种工程化的思路：把大任务拆成小任务，用脚本控制上下文边界。这不依赖任何特定模型或API——今天你用GPT-4有效，明天换Claude 3.5同样有效。
你读完这篇文章，最直接的收获是：
- 一个可直接复制的Shell技能模板（代码块中的
review_code.sh） - 明确知道如何分解任务（按照技能→输入→输出的原子粒度）
- 理解为什么长prompt会导致失忆（注意力稀释）+ 如何用文件传递记忆
下一步，找一个你手头正在做的多步骤任务，试着拆成3-5个技能。你会惊讶地发现：模型变得更“聪明”了，因为它终于不用记住所有东西了。