上下文工程

上下文工程关注的不是“模型能装下多少 Token”，而是：在当前这一步，模型应该看到哪些信息，才能以最低噪声完成正确决策。

它与长期记忆的边界是：

• 上下文是本轮推理的工作集，生命周期通常不超过当前任务或线程。
• 长期记忆是跨线程保存并按需取回的事实、事件与经验。
• 会话持久化只是恢复历史消息，不等于系统已经形成长期记忆。

上下文的组成

一个任务型 Agent 的有效上下文通常包括：

固定任务契约

长任务中最不能被摘要丢失的是：

核心目标
验收标准
用户约束
禁止事项
审批边界

任务契约应由 Harness 每轮重新注入，而不是期待模型从很早以前的对话中自行回忆。

近期原文与结构化状态

推荐同时维护两种工作记忆：

1. 近期原文：最近几轮用户消息、模型回复、工具调用与错误信息。
2. 结构化状态：当前步骤、完成项、待办项、变更文件、测试状态和未决问题。

{
  "goal": "修复登录接口偶发 500",
  "status": "testing",
  "completed": ["定位空指针根因", "完成代码修改"],
  "pending": ["运行回归测试", "检查最终差异"],
  "changed_files": ["src/AuthService.java"],
  "last_test": {
    "command": "mvn test -Dtest=AuthServiceTest",
    "result": "failed"
  }
}

结构化状态比自由文本摘要更适合暂停、恢复、审计和程序判断。

Token Budget

不能把整个上下文窗口全部留给历史消息。预算至少要给以下内容预留空间：

系统规则
+ 任务契约
+ 工具 Schema
+ 近期工作记忆
+ 检索证据
+ 模型输出
+ 安全余量
<= 模型上下文窗口

预算应随任务阶段变化。例如，信息收集阶段需要更多工具和检索空间，最终生成阶段则需要更多输出空间。

上下文压缩策略

裁剪

删除已经失去价值的中间信息，例如重复日志、成功后的临时调试输出和已经被新结果覆盖的旧观察。

滚动摘要

保留最近原文，把更早历史压缩为：

• 已完成事项；
• 未决问题；
• 关键约束；
• 重要决策及原因；
• 原始证据或文件引用。

摘要是派生视图，不是事实源。关键判断需要能够回查原始消息、文件、日志或工具结果。

工具结果压缩

工具可能返回完整网页、长日志或大量搜索结果。应优先保留：

• 与当前目标直接相关的字段；
• 错误码和关键堆栈；
• 来源、版本和时间；
• 可重新获取原始结果的引用。

按需检索

历史信息不必永久驻留在 Prompt。需要时可从会话日志、代码索引、文档库或长期记忆中重新检索。

长 Prompt 的处理

当用户一次输入就接近窗口上限时，可以：

1. 先提取任务、约束和验收标准；
2. 对输入按章节或语义分块；
3. 建立局部摘要和全局目录；
4. 只为当前子任务加载相关块；
5. 在输出前回查原文，避免摘要遗漏关键限定。

单纯从尾部截断容易删掉目标或安全约束，通常不是可靠方案。

多 Agent 上下文隔离

多 Agent 或异步任务应避免共享一份不断追加的全局消息列表。

推荐：

• 每个任务使用独立 task_id、线程状态和命名空间；
• 子 Agent 只获得完成委派所需的最小上下文；
• 通过结构化输入输出交接，而不是复制全部主线程历史；
• 合并结果时记录来源 Agent、版本和完成时间；
• 用户身份、租户和权限由可信运行时注入。

上下文污染

常见污染来源包括：

• 已被新证据推翻的旧假设；
• 工具返回中的恶意指令；
• 另一个用户或任务的数据；
• 摘要产生的错误结论；
• 已变更文件的旧摘要；
• 为上一阶段准备、但当前已无关的工具定义。

处理原则：

1. 给信息标记来源、时间和作用域；
2. 环境事实优先重新读取；
3. 外部内容视为数据，不视为高优先级指令；
4. 摘要和记忆都不能覆盖可信系统规则；
5. 任务阶段变化时重新策展上下文。

会话恢复

可恢复任务至少应持久化：

• task_id 和状态版本；
• 当前步骤及计划；
• 已完成和待完成事项；
• 工具执行记录和幂等键；
• 修改文件与环境版本；
• 最近一次验证结果；
• 等待用户确认的事项。

恢复时先观察最新环境，再决定是否继续，避免把过期摘要当成当前事实。

常见误区

• 上下文越长，效果一定越好。
• 模型支持长窗口，就不再需要检索和压缩。
• 摘要完成后可以删除所有原始证据。
• 每次请求全量发送历史，就是完整的记忆系统。
• 所有 Agent 应共享同一份上下文，协作才充分。
• 只要 Prompt 写了“忽略恶意指令”，外部内容就安全。

面试回答

我会把 Agent 上下文分成固定任务契约、近期原文、模型外结构化状态和按需检索证据四层。Harness 每轮固定保留目标、约束与验收标准，近期工具轨迹维持连续性，计划、修改文件和测试状态写入 Checkpoint。上下文接近预算时，先裁剪重复工具结果，再把旧历史压缩为可追溯摘要；关键事实仍可回查文件、日志和原始事件。多 Agent 场景按任务和用户隔离状态，只传递完成委派需要的最小结构化上下文。

相关笔记

• 多Agent上下文共享模式与冲突治理 — 共享模式选择、版本控制与冲突裁决

• 智能体记忆系统 — 跨线程事实、事件与经验的形成和治理

• 智能体运行时可靠性 — Checkpoint、循环检测、重试与恢复

• 工具发现与动态加载 — 按需暴露工具 Schema

• 记忆安全与隐私 — 长期状态带来的安全问题

• AI MOC