用途：当模型获得对自身实时上下文窗口的读写控制权，而非由外部框架按固定策略压缩时使用。参考实现为 Context Language Models（CLM），将对话中可编辑部分镜像为文件，模型用普通代码工具编辑，再解析回下一轮提示。零样本应用于现有模型时，在深度研究、终端编程和多小时仓库优化任务上，准确率与计算量可匹配或优于框架调度式与基于动作的上下文管理。
主要能力：模型可逐字保留、就地更新、按需驱逐内容；支持上下文即文件协议（轮次头、解析回填、固定前缀、编辑回执）；支持预算读数、分层提示、溢出回滚；策略可被指令引导、技能演化或强化学习训练。
使用方式：将上下文分为固定前缀（系统提示与任务）和可编辑区；每轮前把可编辑区渲染为带 [[CTX_TURN n role=...]] 头的文件；模型用 shell 与代码工具编辑；命令后重新读取并宽容解析回消息。框架负责不变量：固定前缀、角色折叠、编辑门控、回执、免费编辑轮、结构合法性。
限制：编辑会破坏前缀缓存，成本取决于其后文本长度而非编辑大小，应批量编辑并注意尾部；模型对上下文长度感知差，需框架提供确定性读数；模型可写上下文会成为持久化通道，可能携带自写指令；能力较弱的模型可能编辑过少甚至不编辑；多智能体变体与诊断基准未包含在公开版本中。