Context Engineering：系统性构建AI上下文架构
核心论点 大多数AI Agent的失败，本质上是上下文工程的失败，而非模型能力的不足。 Context Engineering不是新的概念炒作，而是工业级AI系统开发中的必然演进。当我们将LLM视为一种新型计算范式时，上下文工程就是这个范式中的内存管理系统。 I. 概念框架：Context Engineering的系统性定义 1.1 上下文的三维分类模型 传统理解将上下文等同于聊天历史，这是错误的。上下文是提供给LLM完成推理任务的全部信息集合，应按功能维度分类： 指导性上下文（Guiding Context） 功能：定义模型行为边界与执行框架 组成：System Prompt / Task Definition / Few-shot Examples / Output Schema 优化目标：Prompt Engineering的核心领域 信息性上下文（Informational Context） 功能：提供推理所需的事实、数据与知识 组成：RAG检索结果 / Memory系统 / State维护 / Scratchpad 优化目标：知识获取与存储效率 行动性上下文（Actionable Context） 功能：定义与外界交互的能力边界 组成：Tool Definition / Call History / Results Traces 优化目标：工具调用的准确性与连贯性 1.2 Context Engineering的精确定义 Context Engineering是设计、构建并维护动态上下文管理系统的工程学科，该系统在Agent执行的每个时间步，智能地组装最优上下文组合，确保任务的可靠完成。 1.3 与相关概念的层级关系 Prompt Engineering ⊂ Context Engineering：专注于指导性上下文的优化 RAG ⊂ Context Engineering：专注于信息性上下文的动态获取 Context Engineering：统筹三类上下文的协调与优化 ...