如何为AI代理应用有效的上下文工程？ 如果你是今天构建AI代理的AI开发者，请阅读此内容。 上下文是王道！它必须被工程化，而不仅仅是被提示。 在阅读了Anthropic的精彩新上下文工程指南后，我写下了一些笔记： 上下文工程与提示工程 - 提示工程 = 编写和组织指令 - 上下文工程 = 策划和维护提示、工具、历史记录和外部数据 - 上下文工程是迭代的，上下文是定期策划的 为什么上下文工程很重要？ - 有限的注意预算 - 如果上下文变得过大，会发生上下文衰退；上下文工程有助于解决这个问题 - 目标：策划和维护最少的高信号令牌 有效上下文的构成 - 系统提示：清晰，适当的高度（不太具体也不太模糊） - 工具：保持工具最小化，使用描述性参数，追求令牌效率 - 少量示例：提供多样化的、规范的期望行为示例 - 消息历史：积极修剪 上下文检索策略 - 预检索与及时检索；正在向代理搜索转变...