Context Engineering 101：构建有效AI代理的上下文工程速查表

由 Shubham Saboo 发布的权威速查表，专为AI工程师打造，旨在帮助构建真正有效的AI代理。

## Context Engineering 的定义

Context Engineering（上下文工程）区别于 Prompt Engineering（提示工程），不仅仅是为LLM设计精准指令，更是对整个上下文窗口进行策划，包括指令、知识、工具调用和状态信息的整体管理。

## 上下文类型

### 1. Instructions（指令）
- 系统提示
- Few-shot 示例
- 工具说明

### 2. Knowledge（知识）
- 检索文档（RAG）
- 语义记忆
- 历史事实

### 3. Tools（工具）
- 工具调用结果
- API 响应
- 函数输出

## 上下文失败模式

### Context Poisoning（上下文中毒）
幻觉持续存在，导致错误累积，影响后续推理质量。

### Context Distraction（上下文干扰）
旧信息泛滥，模型重复过去行为，无法聚焦当前任务。

### Context Confusion（上下文混淆）
错误的工具或文档被调用，导致不相关的输出。

### Context Clash（上下文冲突）
存在矛盾指令，导致推理冲突和不一致的行为。

## 四大核心策略

### 1. Write Context（写入上下文）
保存关键信息以备后用：
- 笔记系统
- 持久会话状态
- 外部状态存储

**适用场景**：需要跨会话保持信息时

### 2. Select Context（选择上下文）
只保留与当前任务相关的信息：
- 利用 RAG 技术
- 语义嵌入匹配
- 动态加载相关内容

**适用场景**：上下文包含大量无关信息时

### 3. Compress Context（压缩上下文）
保持上下文精简：
- 生成摘要
- 删减无关 token
- 信息优先级排序

**适用场景**：上下文过大超出窗口限制时

### 4. Isolate Context（隔离上下文）
拆分不同任务上下文：
- 多代理架构
- 环境沙箱
- 状态划分

**适用场景**：存在冲突或需要独立处理时

## 上下文工程决策树

当发现上下文问题时，按以下流程诊断：

1. **上下文是否过大？** → 使用压缩策略
2. **包含无关信息？** → 使用选择策略
3. **存在冲突？** → 使用隔离策略
4. **需要持久化？** → 使用写入策略

## 实用建议

### 规划设计阶段
- 先绘制上下文流图
- 明确哪些信息需持久化
- 设计清晰的状态结构

### 性能与规模优化
- 持续监控 token 使用量
- 设置上下文大小阈值
- 实施逐步摘要机制

### 可靠性与安全保障
- 插入上下文验证机制
- 实施上下文隔离
- 针对长任务设置检查点
- 定期清理过期信息

## 核心理念

这份速查表帮助AI工程师系统性地管理和优化上下文窗口，避免因"坏上下文"导致的代理失败，而非盲目追求更强模型。

正如 Shubham Saboo 强调：

> "不要先怪模型，先清理你的上下文桌面。"

## 实践价值

通过掌握上下文工程的四大策略和决策树，AI工程师能够：

- 减少幻觉和错误累积
- 提高代理响应的相关性
- 优化 token 使用效率
- 构建更可靠的 AI 系统
- 实现更好的多轮对话体验

上下文工程是构建生产级 AI 代理的关键技能，值得每位 AI 工程师深入学习和实践。