上下文工程Context Engineering
上下文工程是为 AI 持续挑选当前任务真正需要的信息，常见于长对话、复杂代码和多步骤任务。例如让 Agent 修登录报错时，只给它报错、相关文件、已确认限制和最新测试结果，而不是把整个项目日志全塞进去。它不是把提示词写得更长，而是持续保留重点、移除噪声，并在需要时再取资料。
也常被叫作Context Management上下文管理
长任务的下一轮究竟该带进哪些信息
点击任一步查看它负责什么把这一步真正需要的内容送进上下文
→
→
→
1 / 4
任务确定当前问题
先明确这一轮要完成什么，否则无法判断哪些资料相关。
上下文工程追求的是相关、清楚、可维护，不是把所有资料都塞进去。
信息怎样随任务持续进入、压缩和取回
先选高信号内容：当前目标、硬性规则、已确认决定和必要工具说明优先进入本轮，不因为资料存在就把它们全部塞进去。
再让上下文随进度更新：任务推进后保留新的决定与未解决问题，把重复对话和大段旧日志压缩成能继续工作的摘要。
细节在需要时取回：文件路径、查询条件或资料索引可以先留作线索，让 Agent 用工具在真正需要时读取相关部分。
选择题选择一个你认为最合适的答案
一个长任务里已经有需求、确认过的架构决定、几十页旧日志和大量重复工具输出。Agent 开始忽略最新限制，下一轮该怎样整理？
你可以这样告诉 AI Agent
这个任务已经很长了，你开始漏掉刚确认的限制。继续前请整理一份工作上下文：保留当前目标、不能改的范围、已确认决定、相关文件和未解决问题；把重复日志和过时尝试列为可排除内容，细节保留路径供需要时再读。先把这份整理结果给我确认，再继续。
接下来学什么
延伸阅读 · 权威出处