上下文爆炸：我在 LLM 上踩过的六个坑

每一条设计约束的背后，都有一个让人抓头的线上事故。

坑 1：大 PR 分析导致上下文溢出

故障：分析 60+ 文件、3000+ 行 diff。AI 分析到第 30 个文件时开始"遗忘"前面的结果。

解决方案：三阶段合并策略

• Phase A 拆分：diff 按文件切分，每个文件独立存到磁盘
• Phase B 并行分析：每组文件启动一个子 Agent，输出 detail + summary
• Phase C 合并：LLM 只读摘要做推理，bash 脚本拼接全文

核心洞察：把 LLM 推理和机械拼接分开。

坑 2：子 Agent 之间的 UTF-8 截断

故障：多子 Agent 并行分析，结果合并时偶发 UnicodeDecodeError。

根因：用 tail -c 8192 截取字节，恰好把中文字符（3字节）截断在中间。

教训：永远不要用字节操作处理 UTF-8 文本。子 Agent 结果必须写磁盘。

坑 3："什么都用 Agent"反模式

故障：准备阶段用子 Agent 读取 PR 信息，耗时 3 分钟，消耗 50K token。

规则：单次工具调用能完成的操作，必须直接调用工具，禁止启动 Agent。

坑 4：大文件追加写入失败

故障：生成 85 个测试用例，用"查找-替换"追加。在第 60 个用例时报错——文件太大，查找超时。

解决方案：分片写入 + 拼接

_parts/01_login_module.md
_parts/02_payment_module.md
...
bash cat _parts/*.md > final_test_cases.md

坑 5：MCP 工具的红色错误风暴

故障：分析已合并的 PR，尝试获取源分支但分支已删除。MCP 返回 404 红色错误，用户以为系统崩了。

解决方案：探测性操作用静默命令（gh CLI + stderr 重定向），不用 MCP。

坑 6：深度调查的无限循环

故障：10 个可疑发现，每个多轮取证。跑到第 5 个时上下文窗口撑满，AI 开始重复分析，最终无限循环。

解决方案：Per-Finding 隔离模式

• 每个发现有独立上下文和状态文件
• 发现完成后立即写回主文档（增量交付）
• 置信度收敛检测：连续两轮变化 < 5% 则提前终止

总结：六条硬约束

#	约束	解决的问题
1	LLM 只读摘要做推理，脚本拼接全文	大 PR 上下文溢出
2	子 Agent 结果必须写磁盘，不走内存通道	UTF-8 截断
3	单次工具调用禁止启动 Agent	不必要的 Agent 开销
4	大文件禁止用编辑工具追加，用分片+cat	查找匹配超时
5	探测性操作用静默命令，不用 MCP	红色错误惊扰用户
6	长调查任务必须按子项隔离上下文	无限循环 + 上下文爆炸

---

这是"当 AI 接管测试流水线"系列的第二篇。下一篇将深入 AI 缺陷调查的演化故事。