Context Engineering（上下文工程）

先打个比方

想象你给一位律师当助理 👔。开庭那天，你不会把整个档案室一股脑搬到他面前——那他得翻到天黑。你会在每个环节，只把"这一步用得上"的那几份材料递过去：质证时给证据，辩论时给法条。多了他乱，少了他瞎。

上下文工程，干的就是这个"递材料"的活儿，只不过伺候的对象是大模型 🧠。

它到底是什么

Agent（智能体）做事是一步一步来的：理解任务 → 调工具 → 看结果 → 再决定下一步。每走一步，模型都要"看一眼"一堆信息才能想清楚——系统设定、有哪些工具能用、之前聊了啥、临时查到的资料、工具刚刚返回的结果……

上下文工程，就是专门管"每一步到底让模型看见哪些信息"的工程活。 而且它不是开局摆好就完事，而是边干边调：哪些信息留着、哪些扔掉、哪些待会儿再塞回来，全程动态安排。📋

和提示词工程有什么区别

你可能听过"提示词工程（Prompt Engineering）"。两者像近亲，但格局不一样：

• 提示词工程关心的是"这一句话怎么写"——把一道指令打磨得清楚漂亮。
• 上下文工程关心的是"这一整步，模型的桌面上该摆什么"——它管的是信息的取舍和编排。

可以说，上下文工程是提示词工程的"升级版"。一句好提示词只是其中一块材料，而上下文工程负责把所有材料按节奏一轮轮端上桌。

为什么和你有关

很多人发现：同样是基于大模型，有的 AI 助手越用越靠谱，有的却答着答着就忘了正事、开始胡说。差别常常不在模型多强，而在它每一步看到的东西对不对。

材料喂错了、喂多了、喂少了，再聪明的脑子也会犯傻。所以业内不少人认为：想把 Agent 做好，上下文工程是最关键的一道工序。🔑

一句话记住

模型是大脑，上下文工程是那个"该给什么、什么时候给"的随身秘书——秘书靠谱，大脑才发挥得出来。