用途：在上下文逐渐填满的场景下使用，例如出现大体积输出、长文件、反复读取同一内容或需要扇出式规划时，该原则用于保护有限的上下文窗口。资料指出，上下文窗口在单次会话内有限且不可再生，每个令牌都应值得其成本；上下文溢出会降低推理质量、产生压缩失真并中断进展。
主要能力与模式：一、隔离大负载，将冗长输出、截图和大型文档路由给子智能体，主上下文只接收摘要而非原始数据。二、把高频使用的内容保持内联，每次调用都会用到的模板和参考应放在技能文件内，而不是分散到每次都要额外读取的独立文件中。三、控制阶段规模与范围，限制每个阶段的文件数量、设置轮次预算，并计入机制开销。
使用方式：资料未提供具体安装命令、代码示例或调用步骤，暂未提供。适用场景为需要长会话、多文件或多轮任务且关注上下文预算的 AI 工作流。限制：资料未说明支持平台、价格、模型要求或效果数据，暂未提供。