开源智能体框架 Pi v0.82.1 最近被开发者拆出了它的「上下文加载清单」。我们读完的判断是：Agent 时代真正的工程债，不在模型推理，而在「我到底告诉了它哪些规则、以什么顺序、可不可信」。

这是什么

当 AI 智能体（如 Cursor、Devin 或企业内部 Coding Agent）执行任务前，开发者通常会在项目里留几份「指令文件」：AGENTS.md 写项目规则、SYSTEM.md 改基础提示、SKILL.md 描述某项专项能力（首次出现说明：相当于给 AI 配一张「工具说明书」，任务触发时才读取全文）。

Pi 把这些当作「可版本化的资源集合」来管理，而非一坨不断增长的字符串。重点是四件事：加载哪些文件、按什么顺序、谁有执行权限、冲突时由谁叫停。

行业怎么看

主流工程社区（包括 OpenAI 与 Anthropic 在 Agent 工具链上的迭代）默认「指令越多越好」，但本文视角相反。它拆出三种「上下文污染」：低频内容常驻挤占位置（Token Pollution）、多层指令互相打架（Instruction Conflict）、规则已过期但语气确定（Stale Context）。最危险的是第三条——模型不会主动怀疑一条旧命令是否仍然有效。

正方声音认为，框架应当把「项目级可执行资源」与「不可信文字」两件事分开管控；但反对意见指出，这种分层审计在企业里几乎落不了地——多数公司连「谁有权写 AGENTS.md」都没有划清边界。更现实的批评是：把弹个信任窗口当成完整沙箱，会把 Prompt 注入风险与代码执行风险混作一团。

对普通人的影响

对企业 IT：正在评估或自研 AI 编程工具的团队，开始把「上下文审计能力」列进采购清单——具体看本轮任务实际加载了哪些规则文件、版本号是什么。

对个人职场：当 AI 编程助手写出的代码「莫名跑不通」，常见解释不是模型变笨，而是项目里某份旧规则仍在生效；下次排错时，多问一句「它读到了哪些指令」。

对消费市场：随着 Agent 工程标准逐步成熟，企业级 AI 工具的稳定性会有可见改善，但采购成本与合规门槛也在同步抬升。