上下文工程

找到 8 篇关于此标签的文章

对话越长，AI 越笨：Agent 的真正瓶颈不在记忆，而在读不懂 PPT

一位工程师提出，Agent 卡在落地的根源不是上下文太短，而是它仍在用聊天记录当工作记忆。当 PPT、表格、文档这些"产物"能被 AI 直接读、改、验证时，Agent 才真正进入工作场景。

当你和 AI 聊到第 20 轮它开始'犯傻'，多半不是模型不行，是上下文没管理好。这门叫'上下文工程'的技术正在成为大模型公司的下一个战场，也催生了一类新岗位。

Pragma 是一个开源多 Agent 框架，把上下文管理做成独立子系统。它承认了一件事：多 Agent 协作天然更贵，工程化能力比模型智能更稀缺。

Agent 跑长任务时，前 30 轮正常、第 50 轮开始遗忘约束、第 70 轮把失败结果当真 — 根源不是窗口太小，而是上下文没人治理。本文介绍'上下文账本'思路：给每条上下文登记来源、价值、保质期和驱逐策略，比单纯堆窗口更接近生产可用。

AI 智能体落地后，真正决定它表现的不是底层模型，而是项目里散落各处的规则文件。本文拆解一份开源 Agent 框架的上下文加载机制：Agent 时代的工程债，从「我到底告诉它做什么」开始。

大模型并非记忆力越好越聪明。LangChain 提出的上下文工程，旨在系统性管理 AI 的“视野”，解决信息过载导致的准确率下降和安全隐患，这标志着 AI 应用从拼参数转向拼工程管控。

AI编程助手每次新对话都会“失忆”，导致开发者沦为复读机。解决此问题的上下文工程（系统性组装AI所需信息）正成为关键，它比单纯的提示词更能决定AI的产出质量。

用功能层、视觉层、数据层三层喂料法，让AI生成的产品原型从模板脸升级为可演示的成品，免费工具即可复刻，20分钟试一轮。