【渐进式披露】从 UI 设计原则到 AI Agent 的上下文工程核心策略写在前面渐进式披露Progressive Disclosure是一个诞生于 1980 年代的 UI 设计原则却在 2026 年成为了 AI Agent 工程师最热门的话题。为什么因为 LLM 和人类用户面临同一个问题信息过载导致注意力稀释。Nielsen Norman Group 早在 2006 年就指出“渐进式披露将高级功能推迟到二级界面使应用更易学、更不易出错。” 这句话对人类用户成立对 LLM 同样成立——当 System Prompt 塞满 50 工具 Schema 和数万 Token 的参考文档时模型的输出质量会急剧下降。今天我们从设计原则出发深入拆解渐进式披露如何从 UI 走向 AI以及如何在 Agent 开发中落地实践。 文章目录 一、什么是渐进式披露一个 40 年的设计原则 二、为什么有效认知负荷与注意力经济学 三、从 UI 到 AI渐进式披露的范式迁移⚡ 四、Context Rot信息过载如何杀死 Agent 五、四种实践模式提示词分层到上下文压缩 六、演进路线从手动分层到自适应披露 一、什么是渐进式披露一个 40 年的设计原则1.1 定义渐进式披露的核心定义只有一句话只在用户需要时展示用户需要的信息。它不是隐藏信息而是按需揭示——首屏展示最重要的选项高级功能通过用户交互逐步展开。这个原则最早可以追溯到 1980 年代的交互设计研究但最经典的阐述来自 Nielsen Norman Group 2006 年的文章“Progressive disclosure defers advanced or rarely used features to a secondary screen, making applications easier to learn and less error-prone.”1.2 设计师的永恒困境交互设计师始终面临一个矛盾用户既想要强大功能处理所有特殊情况又想要简单易用不想学习一堆用不到的选项。渐进式披露是解决这个矛盾的最佳方案——它同时满足了两个看似冲突的需求。1.3 四个经典案例打印对话框。当你打印文档时默认只看到份数和打印机选择。点击详细才展开纸张方向、色彩模式、缩放比例等高级选项。这是渐进式披露最经典的实现——大多数用户只需要改份数不需要看到 50 个打印参数。电商产品页。首屏展示产品图片、价格和核心卖点。点击规格参数才展开完整的参数表。用户不需要在首屏就看到 200 行的技术规格——他们只需要知道这手机拍照好不好。设置面板。默认显示常用设置Wi-Fi、蓝牙、亮度。高级按钮展开专家选项开发者模式、调试日志、网络代理。新手不会被高级选项吓到专家也能找到需要的功能。搜索结果。列表显示标题和摘要。点击展开完整内容。用户不需要在搜索结果页就阅读每篇文章的全文——他们只需要快速扫描找到感兴趣的再深入。 二、为什么有效认知负荷与注意力经济学2.1 优先级即信息NNG 的研究揭示了一个反直觉的结论帮助用户优先排序功能不会限制他们对系统的理解反而让人更好地理解系统。原因是当首屏只展示最重要的选项时“出现在首屏本身就成了一条信息——它告诉用户这很重要”。反之如果所有选项平铺展示用户无法区分主次反而更难理解系统。这就像一本书如果每一页都用粗体标注那粗体就失去了强调的意义。2.2 认知负荷理论渐进式披露的理论基础是认知负荷理论Cognitive Load Theory。人类的工作记忆容量有限Miller 法则7±2 个信息块当同时呈现的信息超过这个容量认知效率急剧下降。渐进式披露通过分层展示将总信息量控制在工作记忆容量内。每一层只展示当前任务需要的信息避免用户同时处理过多无关细节。2.3 三大收益NNG 总结了渐进式披露的三大收益收益对新手对专家可学性只关注核心功能快速上手不被高级选项干扰效率避免浪费时间思考用不到的功能快速扫描跳过不需要的选项错误率不会误触高级设置减少在复杂选项中犯错的可能 三、从 UI 到 AI渐进式披露的范式迁移3.1 同一个问题不同的对象2026 年渐进式披露从 UI 设计原则进化为 AI Agent 的核心工程策略。原因很简单LLM 和人类用户面临同一个问题——信息过载导致注意力稀释。对人类用户50 个选项平铺 → 认知过载 → 选择困难 → 放弃使用对 LLM50 个工具 Schema 塞进 System Prompt → 注意力稀释 → 输出质量下降 → 幻觉增加3.2 从减少认知负荷到保持信噪比在 UI 领域渐进式披露的目标是减少用户的认知负荷。在 AI 领域目标进化为保持 LLM 的信噪比Signal-to-Noise Ratio。关键洞察不相关的参考材料不是安静地待着——它在主动争夺模型的注意力。当 System Prompt 包含 50 个工具 Schema 但当前任务只需要 3 个时剩余 47 个工具的 Schema 就成了噪音它们在争夺 LLM 对那 3 个关键工具的注意力。3.3 三大框架的渐进式披露实现Pi Agent采用了最激进的渐进式披露——只有 4 个原语工具read/write/edit/bashSystem Prompt 只有 ~300 词。Armin Ronacher 的论点是50 工具是噪音4 个原语足够。Terminal-Bench 2.0 的冠军成绩验证了这个论点。Harness Agent用懒加载工具发现实现渐进式披露——只加载当前 Agent/Workflow 需要的工具 Schema。条件提示词组合管道按需加载 System Prompt 的不同 Section。Compaction 压缩旧上下文Steering 事件驱动注入新提醒。LangGraph用 Channel/Reducer 实现渐进式披露——节点只读写自己需要的 Channel不相关的 Channel 不会出现在节点的输入中。版本追踪确保只有变化的 Channel 才触发重新执行。⚡ 四、Context Rot信息过载如何杀死 Agent4.1 什么是 Context RotContext Rot上下文腐烂是 MindStudio 在 2026 年提出的概念描述了 Agent 上下文窗口随信息累积而质量退化的现象。它有三个典型症状注意力稀释。Token 50,000 处的指令和 Token 500 处的指令LLM 的遵从度完全不同。模型对早期指令的遵从度显著下降——这就是为什么 Harness Agent 需要事件驱动 System Reminder 来提醒LLM 遵守安全策略。矛盾累积。更多上下文意味着更多冲突的可能。早期说用 TypeScript中期说用 PythonLLM 开始做你从未要求的判断——它自己决定听哪个。这不是 LLM 的 bug而是信息过载的必然结果。信噪比下降。不相关的参考材料不是安静地待着——它在主动争夺模型的注意力。当你把整个代码库的文档塞进上下文但当前任务只需要修改一个函数时99% 的文档都是噪音。4.2 渐进式披露如何对抗 Context Rot渐进式披露是解决 Context Rot 的核心策略Context Rot 症状渐进式披露解法注意力稀释只加载当前任务需要的上下文保持信噪比矛盾累积按需加载指令避免早期/晚期指令冲突信噪比下降索引优先加载按需读取详细文档关键收益当上下文只包含当前任务需要的信息时核心指令行为规则、输出约束、边界处理始终处于突出位置不会被无关文档淹没。 五、四种实践模式提示词分层到上下文压缩5.1 模式一提示词分层将 System Prompt 拆分为多个独立 Section按条件组合加载。核心指令始终在首屏高级指令按需注入。# 条件提示词组合管道base_prompt核心指令你是一个代码审查助手ifneed_safety:base_promptSAFETY_SECTION# 安全策略ifneed_examples:base_promptEXAMPLES_SECTION# 输出示例ifstep_count10:base_promptITERATION_REMINDER# 迭代提醒Harness Agent 的 Steering 系统就是这个模式的实现——在关键决策点注入针对性提醒而非依赖初始提示词。5.2 模式二技能懒加载Claude Code 的 SKILL.md 采用索引优先策略——只写目录索引Agent 按需读取具体文件。# SKILL.md索引优先 1. 概述50 tokens— 你现在读到的 2. 详细步骤 → steps.md按需读取 3. 边界情况 → edge-cases.md按需读取 4. 代码模板 → templates/按需读取Agent 读取 SKILL.md 后只在需要时才读取 steps.md 或 edge-cases.md。这避免了把所有技能文档一次性塞进上下文。5.3 模式三工具按需暴露默认只注册核心工具根据 Agent 角色和任务阶段动态加载高级工具。# Harness Agent 的懒加载工具发现Initializer:[read,search]# 规划阶段只读Coder:[read,write,edit,bash]# 执行阶段全工具Compaction:[]# 压缩阶段无工具Pi Agent 更激进——只有 4 个原语工具永远不扩展。缺功能让 Agent 自己写扩展。5.4 模式四上下文压缩长会话中渐进压缩旧上下文保留最近 N 轮完整对话旧历史用摘要替代。# Harness Agent 的 Compactioniftoken_countthreshold:old_messagescompress_with_cheap_model(old_messages)recent_messageskeep_as_is(recent_messages)contextold_messagesrecent_messages这个模式的核心洞察旧对话的精确措辞不重要重要的是旧对话的语义摘要。用便宜模型压缩旧历史用强模型处理当前任务——各取所长。 六、演进路线从手动分层到自适应披露6.1 四级成熟度模型级别名称特征典型实现Level 0全量加载所有信息一次性展示早期 ChatGPTLevel 1手动分层核心/高级手动拆分打印对话框、设置面板Level 2条件加载按任务/角色动态组装Harness Steering、Claude Code SkillsLevel 3自适应披露Agent 自主决定加载什么未来方向6.2 Level 3自适应披露Level 3 是渐进式披露的终极形态——Agent 自己决定加载什么上下文。人类只定义什么时候该披露什么的规则而非手动控制每一步。想象一个 Agent 遇到不熟悉的代码库时它会自主决定先读 READMEL1再读架构文档L2最后读具体模块代码L3。而不是一次性把整个代码库塞进上下文。6.3 四个反模式在实践渐进式披露时需要避免四个常见反模式反模式一全量加载。把所有工具、文档、示例一次性塞进 System Prompt。修复索引优先 按需读取。反模式二平铺所有选项。UI 上同时展示所有设置项不分主次。修复三层分层 折叠/展开。反模式三静态 System Prompt。System Prompt 永远不变不管任务阶段都加载全部指令。修复条件组合 事件驱动注入。反模式四忽略 Token 预算。不考虑 Token 消耗加载大量从未使用的参考材料。修复Token 预算管理 按需加载。 总结速查卡渐进式披露核心概念概念一句话解释渐进式披露只在需要时展示需要的信息优先级即信息出现在首屏 告诉用户这很重要Context Rot信息过载导致注意力稀释、矛盾累积、信噪比下降索引优先加载先展示目录按需读取详细文档条件提示词组合按任务/角色/阶段动态组装 System Prompt懒加载工具只注册当前任务需要的工具 Schema上下文压缩旧历史用摘要替代保留最近 N 轮完整对话一句话总结渐进式披露从 UI 设计原则进化为 AI Agent 的上下文工程核心策略——本质相同只在需要时展示需要的信息对象不同UI 面向人类认知Agent 面向 LLM 注意力。Context Rot 的三大症状注意力稀释、矛盾累积、信噪比下降都可以通过渐进式披露缓解。四种实践模式提示词分层、技能懒加载、工具按需暴露、上下文压缩覆盖了从 Prompt Engineering 到 Context Engineering 的完整技术栈。未来方向是 Level 3 自适应披露——Agent 自己决定加载什么人类只定义规则。参考链接Nielsen Norman Group: Progressive DisclosureMindStudio: Progressive Disclosure in AI AgentsTowards AI: Progressive Disclosure in AI Agent Skill DesignIxDF: What is Progressive DisclosureArdalis: Optimizing AI Agents with Progressive Disclosure