---
title: "Context Anxiety"
type: concept
tags:
  - "agentic-ai"
  - "context-window"
  - "failure-mode"
sources:
  - "Your-AI-Isn-t-Stupid---It-Just-Needs-a-Better-Harness--Lychee-Technology-Engineering-Blog"
last_updated: 2026-04-20
---

## Overview
Context Anxiety——当 LLM 的 context window 使用率超过约 70% 容量，或延迟升高时，模型表现出"仓促"行为的现象：跳过步骤、过早完成任务或过早宣告成功。

## Mechanism
- Context window 是模型的唯一记忆空间
- 当感知到"墙壁在逼近"（token 限制），模型开始优先"快速完成"而非"正确完成"
- 这不是模型能力问题，而是 context 容量压力的系统性反应

## Detection
- 监控 `tokens_used / max_context > 0.7` 阈值（需按模型和工作负载调优）
- 延迟 spikes 也是触发信号

## Solution: Context Reset
当 Context Anxiety 触发时，Harness 执行程序化 Context Reset：
1. `save_state_to_disk(state)` — 完整项目状态写入持久存储
2. `terminate_current_instance()` — 终止当前 LLM 实例
3. `launch_fresh_agent(state)` — 启动全新 Agent，从保存状态恢复

关键代码：
```python
if (tokens_used / max_context) > 0.7:
    save_state_to_disk(state)
    terminate_current_instance()
    launch_fresh_agent(state)
```

## Note on In-Place Summarization
原地摘要（in-place summarization）不够——它仍然让模型在杂乱、退化的 context 上操作。Context Reset 给予模型干净的处理空间。

## Source
- [[Your-AI-Isn-t-Stupid---It-Just-Needs-a-Better-Harness--Lychee-Technology-Engineering-Blog]]

## See Also
- [[Context-Reset]] — 具体实现机制
- [[7-Layer-Harness-Stack]] — 第 5 层 Memory & State 和第 7 层 Constraints & Recovery 中处理此问题