什么是 Context Engineering?
更新于
Context Engineering(上下文工程)是为特定任务设计和运营送入语言模型的信息的过程,包括指令、任务数据、检索证据、状态、工具结果,以及它们的来源、权限、新鲜度和预算。
快速了解
| 创建时间 | 伴随长上下文 LLM 和 AI IDE 的普及而兴起 |
|---|
工作原理
上下文组装生命周期
生产级流程先定义任务契约,再解析已经认证的 Principal 与 Tenant,对候选来源鉴权,完成检索和排序,规范化来源元数据,分配 Token 预算,组装请求,并记录模型实际看到的内容。模型输出还要经过校验,才能更新状态或调用工具。仅提升检索相关性无法阻止未授权、过期、矛盾或过量上下文进入应用。
信任与生命周期边界
稳定系统指令、用户输入、检索知识、工作状态、长期记忆和运行时工具结果具有不同所有者与生命周期。经过检索、摘要和交接后,仍应保留来源、版本、权威性、敏感级别和新鲜度。即使外部内容出现在开发者文档或 Tool Response 中,也只能按不可信数据处理;模型和检索文本都不能授予权限或批准副作用。
预算与可解释降级
上下文窗口是硬容量上限,不是质量目标。系统应预留输出空间,按具体 Tokenizer 计量,优先保留必要证据和约束;关键项放不下时直接拒绝本次运行。可选证据可以压缩、按需检索或带原因省略。静默截断很危险,因为它可能删除策略、引用或反例,同时让请求在语法上看起来仍然有效。
压缩、记忆与恢复
长任务需要 Checkpoint 和压缩,但模型生成的摘要是有损派生数据,不是新的权威来源。将持久事实与对话文本分开保存,保留权威记录引用,为摘要建立版本,并支持纠正与删除。上下文重置后只恢复继续任务所需的最小状态,并重新校验权限,不应沿用旧授权。
评测契约
固定 Model、Tokenizer、上下文版本、检索 Fixture 和评分规则,在代表性切片上比较任务成功率、证据与引用覆盖率、矛盾率、未授权披露、延迟、Token 成本、恢复行为和人工修正。Anthropic 的上下文工程实践强调注意力有限与高信号选择;LangChain 文档区分 Model、Tool 与 Lifecycle Context。两者都没有给出通用 Token 比例,团队必须测量自己的工作负载。
主要特点
- 任务契约:在组装请求前明确结果、约束、证据范围、预算与验证
- 信任分层:按来源和生命周期区分指令、知识、记忆和运行时结果
- 权限优先选择:在相关性排序或压缩前应用 Tenant 和对象授权
- 来源与新鲜度:记录来源、版本、权威性、有效期和引用要求
- 有预算的组装:预留输出空间,必要上下文无法放入时降级或安全失败
- 基于证据的评测:用可复现任务比较上下文版本的质量、安全、延迟、成本与恢复能力
常见用途
- 为编码任务准备包含接口、测试、风险和验收条件的有界任务包
- 构建按权限、新鲜度、权威性、多样性和结果大小过滤的 RAG 回答
- 维护具备同意、过期、纠正、删除和 Tenant 隔离的 Agent 状态
- 把已审核的项目契约适配到经过测试的 AI 编码客户端,而不假设通用规则文件
- 使用证据支持的回归集评估检索、记忆或上下文压缩变更
示例
Loading code...常见问题
上下文工程和提示词工程有什么区别?
提示词工程关注指令与表达;上下文工程还治理证据选择、状态、来源、权限、排序、预算和评测。二者有重叠,但都不能替代可信授权、输出校验或应用逻辑。
更多上下文会减少幻觉吗?
不一定。额外上下文可能过期、矛盾、无关或带有对抗性,并遮蔽必要约束。应按任务、权限、权威性、新鲜度和覆盖度选择证据,再用真实任务评估无依据断言率和引用率。
AGENTS.md、Cursor Rules 等是否是上下文工程标准?
不是。这些文件是客户端特定的集成约定。应核验目标客户端的版本、路径、优先级、作用范围和是否需要显式启用;规范性项目要求应保留在经过审核的权威来源中,厂商文件只作为窄适配器。
检索文档或工具结果能授予访问权限吗?
不能。检索内容和工具输出都是不可信数据。认证建立 Principal;可信的服务端策略必须对每次请求授权 Tenant、对象、操作、目的、配额和副作用。
团队应如何评估上下文变更?
固定模型、Tokenizer、上下文版本与代表性 Fixture。对比任务成功率、证据和引用覆盖率、矛盾率、未授权披露、延迟、Token 成本、恢复行为和人工修正,并与基线比较。