核心观点
Prompt 更像任务说明书，Context 更像任务运行环境。只改 Prompt 而不整理背景材料、边界和验收标准，AI 协作很容易陷入“每次都重新解释”的不稳定状态。
背景与问题
当任务简单时，一句话 Prompt 可能已经够用。但进入真实项目后，AI 需要理解的不只是要做什么，还包括项目目标、当前状态、已有文件、不能做什么、什么结果才算完成，以及哪些判断必须先停下来询问。
这也是我开始整理 BRACE、Context Checklist 和 Context Pack 的原因：把隐含信息显性化，让协作不再依赖临时记忆。
观察与实践
我的上下文整理通常分成五层：
- Background：项目和用户背景
- Rules：长期约束、隐私边界和不可违反的规则
- Assets：文件、数据、参考资料和现有实现
- Constraints：技术、时间、风格和范围限制
- Evaluation：验收标准、失败条件和下一步动作
我的判断
稳定的 AI 协作不是把所有事情交给 AI，而是把任务边界设计清楚。上下文越清楚，AI 越能把注意力放到执行；边界越模糊，人越容易在后面花时间返工。
实际产出
- 完成 Prompt 与 Context 的区别说明
- 建立 BRACE 五层上下文模型
- 形成 Context Pack 和需求澄清模板
- 将验收标准放入每次复杂任务的开始阶段
延伸阅读 / 关联项目
后续会把这套方法应用到 AI Team Workspace 的任务文件、模型路由和 Human Gate 设计中。