先说个核心判断：大语言模型的能力上了一个新台阶之后，AI智能体正从纯粹的聊天对话，迈向更复杂的多轮推理、多工具协同和长期任务执行。而支撑这场演变的幕后推手，是一个技术门槛正在迅速提高的新领域——上下文工程（Context Engineering）。

继“Vibe Coding（氛围编程）”风靡之后，AI圈又迎来一波新的技术浪潮。这次点火的是前特斯拉AI总监、深度学习领域的布道者Andrej Karpathy。他在一次演讲中说得非常直接：“如果你想真正掌控一个大语言模型的行为，不要花时间去微调权重，去控制它的‘心智世界’——也就是你输入给它的上下文。”

在构建AI智能体的过程中，“上下文”绝不仅仅是几个提示词的简单堆砌。它是构成智能体“认知宇宙”的核心素材。它决定了模型当前能“看到”哪些信息（比如任务指令、外部知识、历史轨迹），也决定了模型“如何看到”（信息是否结构化）、“何时看到”（是静态注入还是动态更新）。

Karpathy有一个很形象的比喻：LLM是新的计算平台，模型本体好比CPU，而上下文窗口就是RAM。你不可能每次遇到新任务就去重新训练模型，但你可以通过上下文工程，来控制它“思考的材料”。

这个全新的工程范式，就是上下文工程（Context Engineering）。简单来说，这是一门集艺术与科学于一身的学问，核心目标是高效地填充LLM的上下文窗口，确保它在执行每一步任务时，手头恰好有“刚刚好”的信息量。这不仅涉及信息的选择、组织和注入方式，还要考虑上下文的动态性、可扩展性和准确性。

具体到AI智能体的构建，涉及的上下文类型大致包括：

• 指令：提示词、少样本示例、工具的描述、系统角色的设定等；

• 知识：结构化事实、通过RAG注入的外部知识库、或者模型自身的语义记忆；

• 工具反馈：函数调用的结果、API返回值、插件响应等中间结果；

• 历史轨迹：对话历史、用户输入记录、智能体执行过的策略路径。

这里有个现实问题：LLM的上下文窗口资源始终是有限的，就算现在扩展到了百万tokens，也依然有边界。如果不加选择地把所有信息都塞进去，结果只会是成本上升、响应延迟、性能下降，甚至加剧幻觉。所以，对上下文的管理和设计必须有一套系统化的策略。

四大上下文工程策略详解：写、选、压缩、隔离

1. 写上下文（Write Context）

写上下文，简单来说就是把关键任务信息保存在上下文窗口之外，但又能被模型间接利用。这就像人类会“写便签”、“做笔记”一样。

• 便签（Scratchpads）：Anthropic的研究表明，AI智能体通过工具调用或状态字段记录计划信息，能有效帮助自己在长任务中持久化策略、参数或状态。比如，研究人员把超过20万tokens的长任务拆解成阶段性步骤，并通过便签记录每一阶段的决策，成功避免了窗口溢出。

• 记忆（Memory）：智能体可以自动从多轮对话中提取高价值事实（语义记忆）、行为流程（程序记忆）和案例轨迹（情景记忆）并长期保留。ChatGPT、Cursor、Windsurf等产品都已经集成了这个机制，用来实现“个性化响应”。比如ChatGPT能记住用户的写作风格和工作场景，并在后续对话中主动融入。

2. 选上下文（Select Context）

选上下文，就是把最相关的信息拉进当前的上下文窗口。这是上下文工程里最具动态性的部分，覆盖了便签、记忆、工具和知识四种维度：

• 记忆选择：像Claude Code使用CLAUDE.md文件、Cursor使用config rules，这些都是始终注入的规则性知识。而对于海量的语义记忆，ChatGPT会结合知识图谱和向量索引来过滤调用内容，但这也存在“意外注入”的风险——比如Simon Willison就曾遭遇AI自动泄露位置信息。

• 工具选择：当大模型面对多种工具时，描述相似的可能会让模型产生混淆。RAG-MCP架构通过把工具说明索引入库，只检索与当前任务相关的工具描述。实验数据表明，这种策略能让工具选择的准确率提升3倍。

• 知识选择（RAG）：以Windsurf为例，它的代码RAG架构并不是简单的文本嵌入，而是结合了AST分块、语义重排、多源索引等多种手段，能在千万行代码中快速定位到与任务相关的逻辑模块。这大幅提升了智能体响应的专业度。

3. 压缩上下文（Compress Context）

压缩上下文的目的是精简冗余的tokens，主要通过“摘要”和“修剪”两种方式实现：

• 上下文摘要（Summarization）：Claude Code会在上下文窗口使用率达到95%后，自动对对话轨迹进行总结，然后替代原内容注入。可以采用递归摘要、层次摘要等策略，也可以训练专门的微调模型用于关键事件提取。

• 上下文修剪（Trimming）：直接用规则剔除那些旧的、无效的或冲突的上下文。比如清除最早回合的信息、剔除中间无用的路径等。这个方法操作简单，在工具调用频繁或成本敏感的场合尤其常用。

4. 隔离上下文（Isolate Context）

隔离上下文，就是把任务上下文拆分成多个“独立空间”，实现多Agent协作、环境分区或状态模块化：

• 多智能体架构（Multi-Agent）：比如OpenAI Swarm和Anthropic的多智能体研究，每个子Agent管理自己的上下文、工具和指令，适合处理分布式复杂任务。实验表明，相比单个Agent，这种模式的响应准确率有明显提升，尽管token使用量可能高达单Agent的15倍。

• 环境隔离（Environment Isolation）：Hugging Face的CodeAgent架构把代码工具执行放到沙箱环境里，工具调用的参数和返回值都在沙箱中完成状态隔离，只把最终结果注入LLM。这能有效防止上下文污染。

• 运行时状态对象（State Object）：以LangGraph为例，系统状态由结构化字段组成。开发者可以精确控制哪些字段在每一步注入模型，哪些信息保持隔离，只在特定回合暴露。这就实现了“动态上下文管理”。

可以确定的是，上下文工程已经逐步成为AI智能体设计的核心工程分支。从Anthropic的研究，到OpenAI的产品落地，再到LangChain/LangGraph这些开发框架的演进，都在指向同一个趋势：

上下文，不只是提示词，它是智能体的“工作内存”、“知识总线”与“行为约束”。

随着工具生态的扩张、多模态输入的爆发和任务复杂度的持续增长，AI智能体的上下文管理必然会走向更自动化、更智能、更语义化的方向。Context Engineering将从人工手工选择，进化为“智能上下文调度器”，成为每一个AI开发者的核心能力之一。