Context window 限制讓 AI 失智，試試這個工具
先說結論
Roo Code 的迴旋鏢 Orchestrator 模式（也叫 Boomerang Tasks），可以避免 context window 限制問題發生。
它會把任務拆成小任務，交給小幫手（子代理）獨立完成，每個小幫手都是新的視窗，滿滿的 200K 血條，最後再整合起來。
只要指令要求詳細完整，基本上看著他們辛苦的交接和工作，很療癒。
有遇過這種情況嗎？
你開心地打開 Cursor（或其他 AI 開發工具），拉了一堆檔案進去，結果 AI 一開始表現很好，講著講著突然就開始失憶，忘記我要他做的事，
然後開始失智，它開始亂使用工具、或者原地開始解釋你丟給他的程式碼、或說他完成了。
最難過的是，他甚至忘記了他的初衷，我們最初的那個約定：
「一率用繁體中文回答」
這時候身為 AI 渣男的我，就會重新開一個新視窗重來。
上下文限制，就是 AI 的短期記憶
AI 工具的上下文限制，它就像一個人的短期記憶一樣，一次能記住的東西有限。
現在 Claude 3.7 能處理 200k 的資訊量，Gemini 已經 1M了，但實際使用時，要用程式碼把它塞滿還不容易，而且往往還沒滿，就會開始出問題。
Gemini 1M 的大小因為夠大，其實也是滿好用的，畢竟瘦死的駱駝比馬大。按照目前發展速度，可能明後年，我們大家就都是 context 富翁啦。
但現在用 AI 工具，還是會遇到問題
因為現在的 AI Agent 開發工具都是一條龍處理任務，節奏通常是：
- 搜集資料 → 生成程式碼 → 繼續下一個任務
- 任務複雜或出現錯誤時，AI 不斷重試
- AI 花式找事做
其實很容易 context window 就滿了，滿了就會開始失憶＋失智。
這部分其實 Cline 和 Roo Code 做得很好，他有可視化的 context window 血條，讓你知道距離 AI 吃不下了還差幾行程式碼。
解決方法：分工合作
- AI Agent 當 PM，負責規劃工作，然後派小弟去處理。
- 根據規劃的工作，指派任務給小弟處理。
- 小弟只處理自己的事，完成後跟 PM 回報結果。
- PM 根據回報結果規劃下一個工作，再派給新的小弟處理。
- 不斷 loop 直到任務完成或是 PM 爆了 XD（但這樣很難爆）。
Roo Code 的迴旋鏢模式實作了這個想法
Roo Code 的 Orchestrator 模式就是這套分工合作的具體實踐。它會自動幫你做這件事：
- 主任務會先分析你要做的事情，然後暫停。
- 自動把任務拆解，生成一個詳細、帶有足夠上下文的指令，再根據工作性質設定子任務的 mode。
- 小幫手完成後，會按照生成的指令內的要求，回報主任務想要的結果。
- 主任務再根據這個結果繼續後面的工作。
實際使用感受：我靜靜地看著你裝逼
實際使用 Roo Code 的 Orchestrator 模式時，會感覺 AI 很忙啊，一直在角色扮演：
- 一下當 PM
- 一下當 架構師 規劃
- 一下當 工程師 寫 code
一個 AI cosplay 團隊在幫你工作。
- 你只要給出明確的指令，例如：寫一個 XX 功能的開發計畫書，越詳細越好。
- 設定 Orchestrator mode，然後請他按照開發計劃書內容完成功能。
- 他就會開始規劃，然後分派給最適合的 AI 小弟，例如：程式碼交給 Code 模式，重構交給 Architect 模式。
- 整個流程偶爾需要介入確認是否走在正確的路上。
Sonnet 不愧是親兒子！使用 Claude 3.5 / 3.7 API 我的體感上特別強，幾乎自動高效完成任務，很少需要介入也很少中斷反問我問題。其他模型就會容易迷失，很常遇到 o4-mini 就會問我：「我的小弟有沒有完成任務返回結果啊 XD」。