返回 Agent 博客
Agent 架构中文摘要与解读

从提示词到上下文工程:Agent 如何管理有限的信息窗口

可靠 Agent 不只是写好一段提示词,而是持续选择、压缩和组织模型真正需要的信息。上下文窗口里的每一个 token,都应该服务于当前决策。

透明漏斗从大量文档中筛出少量信息块,象征上下文筛选与压缩
模享概念配图 · 非原文截图

本文为基于英文来源的中文摘要与独立解读,并非原文全文翻译;可直接在本站阅读,原文出处保留在文末。

SOURCE NOTES

原文要点

  • Anthropic 将上下文工程视为提示工程的延伸,范围包含指令、工具描述、检索资料和对话历史。
  • 上下文是有限资源。更多信息不一定提升效果,应优先保留与当前决策相关、信号明确的内容。
  • 原文强调清晰的系统指令、职责明确的工具,以及有代表性的示例,而非不断堆叠工具与例外规则。

模享解读 · 非原文观点

把资料仓库和工作台分开

我们建议把上下文当作当前任务的工作台,而不是把整个知识库搬进去。处理售后问题时,模型需要当前订单、适用政策和用户诉求;其他客户的历史工单不应默认混入。

可以给每份资料附上来源、更新时间和适用范围。发生冲突时,让系统显式说明冲突,而不是默默选择一条看起来更像答案的信息。压缩历史记录时,也要保留尚未解决的约束和用户已经确认的决定。

可以从这份清单开始

  1. 检查哪些资料直接影响当前动作,移除无关重复内容。
  2. 为工具写明用途、输入边界与失败反馈。
  3. 给外部资料标注来源和有效时间。
  4. 用真实失败任务比较精简前后的表现,而非只比较长度。

来源与说明

参考 Anthropic 发布的材料。本页摘要由模享整理,解读与实践建议为本站补充,不代表来源机构立场。

Effective context engineering for AI agents(英文来源,新窗口)