Начальный контекст сессии: что видит агент

Агент не стартует с пустым окном: в момент создания сессии harness собирает набор данных и помещает их в контекст, чтобы агент понимал, кто он, где работает и как должен себя вести. Этот набор становится фундаментом, на котором строится всё остальное общение.

Начальный контекст отличается от информации, которую вы добавляете по ходу диалога, двумя свойствами. Во-первых, он не зависит от вашего запроса — вы не контролируете каждый элемент напрямую. Во-вторых, он занимает токены ещё до того, как вы что-то спросили: чем тяжелее начальный контекст, тем меньше окна остается для вашей задачи. Понимание состава начального контекста — это понимание скрытых расходов каждой сессии.

Состав начального контекста зависит от harness, но общие элементы совпадают у всех инструментов. Если разложить типовую загрузку, получается четыре источника, каждый со своей ролью и своим объёмом.

Первые три источника загружаются автоматически при старте почти любого harness. Четвёртый — файлы проекта — зависит от настроек: некоторые агенты читают всю структуру проекта, другие — только точечные файлы по правилам. Разница между «загрузить всё» и «загрузить только README» может составлять десятки тысяч токенов.

Она описывает, как агенту следует себя вести: какие инструменты ему доступны, как форматировать ответы, в каком стиле общаться с пользователем. Вы не видите этот промпт в обычной работе, но он занимает токены в каждой сессии, и его объём фиксирован.

От системного промпта зависит «личность» агента: его манера отвечать, расположенность к использованию определённых инструментов, базовые ограничения. Его нельзя изменить простой правкой — обычно он встроен в сам harness или поставляется с ним. Полезно хотя бы раз заглянуть в документацию harness, чтобы понять, какой промпт он передаёт модели, — это объясняет многие паттерны поведения агента «из коробки».

В отличие от системного промпта, этот файл полностью в вашей власти: вы решаете, что в него писать, и агент получит его при старте сессии в этом проекте. Это главный инструмент управления начальным контекстом изнутри проекта.

Содержимое AGENTS.md напрямую влияет на то, как агент воспринимает ваш проект. Если там написано «этот проект использует React и TypeScript», агент будет предлагать решения в этих терминах, даже если вы забыли упомянуть стек в запросе. Если там написаны правила коммитов, агент будет их соблюдать. AGENTS.md работает как «преамбула» к каждой сессии, и его объём становится частью начального контекста.

Важный нюанс: AGENTS.md загружается при каждом старте, и его токены тратятся даже на те сессии, где он не нужен. Сессия «просто посмотреть файл» платит теми же токенами за весь AGENTS.md, что и сессия по рефакторингу всего проекта. Поэтому стоит держать AGENTS.md настолько лаконичным, насколько возможно, и выносить объёмные инструкции в отдельные файлы, которые агент читает по требованию (progressive disclosure).

Когда агент сохраняет заметку в память, эта заметка загружается в начальный контекст при старте следующей сессии. Так агент «помнит» важные факты о проекте, не храня их в самой модели.

Память — двухсторонний инструмент. С одной стороны, она избавляет от повторения одних и тех же инструкций в каждом запросе: написали один раз «проект использует ESLint с Airbnb-конфигом» и больше не вспоминаете. С другой — каждая заметка в памяти увеличивает начальный контекст, и накопленные заметки могут незаметно съедать тысячи токенов. Со временем память превращается из полезного помощника в «токенный балласт», который нужно чистить.

Разные harness по-разному решают, что попадает в память. В некоторых агент записывает заметки сам, когда считает нужным; в других вы даёте команду «запомни».

Полностью контролировать начальный контекст вы не сможете — системный промпт и базовые механизмы harness остаются «за кадром». Но три параметра в вашей власти: AGENTS.md, память и файлы проекта, которые загружаются автоматически.

1. AGENTS.md. Держите коротким, выносите детали в подфайлы. Начинайте с одного абзаца о проекте и добавляйте правила только после того, как они реально понадобились.
2. Память. Чистите регулярно: удаляйте устаревшие заметки, объединяйте похожие. Память не должна расти бесконтрольно.
3. Автозагрузка файлов. Проверьте, читает ли ваш harness README, package.json, tsconfig.json и другие файлы при старте. Если автоматически загружается много — настройте исключения или отключите ненужное.

Кроме того, разные команды и запросы полезны для разных профилей начального контекста. Например, короткая задача «обнови версию в package.json» не требует полного AGENTS.md с правилами код-стайла. В таких случаях можно стартовать новую сессию с минимальным контекстом, запустив агента без загрузки файлов инструкций. Умение выбирать «вес» сессии под задачу — навык, который приходит с практикой.

Проблема усугубляется с ростом проектов. В большом монорепозитории AGENTS.md может занимать 2000-3000 токенов, память — ещё 1000-2000, а автозагрузка конфигов — ещё несколько сотен. Итоговый начальный контекст в 5-6 тысяч токенов — не редкость для зрелого проекта. Это означает, что 15-20% окна заняты до того, как вы задали первый вопрос, и граница Dumb Zone приближается на 15-20% быстрее.

Единственный способ бороться с этим — измерять и минимизировать. Некоторые harness показывают размер начального контекста при старте, другие — нет. Даже если инструмент этого не делает, можно оценить объём «вручную»: подсчитайте токены в AGENTS.md, в заметках памяти и в автозагружаемых файлах. Зная эти цифры, вы можете осознанно решать, что стоит держать, а что пора убрать.

Управлять напрямую можно двумя последними: держите файлы инструкций компактными, чистите память и настраивайте автозагрузку под свои задачи. Чем легче начальный контекст, тем больше окна остаётся для работы и тем дольше сессия остаётся в Smart Zone.

В следующем уроке разберём проблему избыточности контекста: как выглядит ситуация, когда в сессии слишком много информации, и почему это хуже, чем её нехватка.

1. Начальный контекст (initial context) — информация, загружаемая в сессию агента до первого запроса пользователя.
2. Системный промпт (system prompt) — фиксированная инструкция, которую harness передаёт модели при старте каждой сессии.
3. AGENTS.md — файл инструкций в корне проекта, определяющий поведение агента в этом проекте.
4. Память (memory, auto-memory) — механизм сохранения заметок между сессиями, загружаемых в начальный контекст.
5. Progressive disclosure — принцип, при котором объёмные инструкции выносятся в отдельные файлы и загружаются по требованию, а не при старте.
6. Токен — единица измерения текста, используемая LLM для обработки и ограничения контекстного окна.
7. Context window — максимальный объём текста (в токенах), который модель может обработать за один раз.
8. Smart Zone — продуктивный диапазон заполнения context window, в котором агент рассуждает качественно.
9. Dumb Zone — состояние сессии, в котором переполненный контекст снижает качество работы агента.
10. Harness — программа-оболочка, через которую пользователь взаимодействует с LLM и управляет агентом.
11. Сессия (session) — один непрерывный разговор с агентом, ограниченный context window.
12. Statelessness — свойство LLM не сохранять информацию между запросами, требующее внешних механизмов памяти.