上下文工程（context engineering），就是在每一步决定 AI agent 的上下文窗口里放什么——同样重要的是，决定不放什么。它把窗口当成一种有限、需要争夺的资源，只挑出模型真正需要的、最小的一组高信号 token，因为塞得越多，agent 往往表现越差，而不是越好。
提示工程只是第一步：写一条好指令，得到一个好回答。但 agent 不是一条提示——它是一个循环，会在几十步里不断累积工具结果、检索到的文档、过往对话，以及它自己记的笔记。决定这堆越滚越大的东西每一步该包含什么，是一件完全不同的、系统层面的工作。Anthropic 把上下文工程定义为提示工程的自然延续：提示工程问「我该写什么」，上下文工程问「此刻窗口里该有什么」。
更大的窗口并不能解决问题
最直觉的做法——换一个百万 token 窗口的模型，把所有东西都塞进去——会适得其反。Chroma 的 Context Rot 研究测了 18 个前沿模型（包括 GPT-4.1、Claude 4、Gemini 2.5 和 Qwen3），输入从 1K 一直到 1M token，发现每一个模型的准确率都会随输入变长而下降——而且往往在窗口远没被填满时就开始了。窗口是一份边际收益递减的预算，不是免费仓库。
所以 Anthropic 把目标定为「找出能最大化理想结果概率的、最小的一组高信号 token」。无关的上下文不只是浪费 token——它会实实在在地把那个真正重要的细节埋掉，把模型带偏。这一步没做好，正是那些演示时很漂亮的 agent 一到生产环境就散架的主要原因之一。
四个动作：写出、挑选、压缩、隔离
LangChain 把这些手法归成四类，它们在任何 agent 框架里都成立，不只限于它自己：
- 写出（Write）——把上下文存到窗口之外，这样就不用每一步都重复它。经典例子是一块草稿纸或一份计划，agent 写一次，之后回头引用。
- 挑选（Select）——只在需要时把相关上下文拉进窗口。检索就活在这里；让 agent 自己决定何时、拿什么，正是 agentic RAG 的核心想法。
- 压缩（Compress）——只保留任务当下还需要的 token，其余的做摘要或裁掉。
- 隔离（Isolate）——沿边界把上下文切开，让每一部分都保持聚焦，比如把一个子任务交给一个拥有自己干净窗口的独立 agent。
这些都不玄。大多数就是你本来就会用的设计模式，只不过用来回答「模型能看到什么」这个问题。
Anthropic 面向长时运行 agent 的打法
对于要跑很多步的 agent，Anthropic 点名了三种具体技术：
- 压紧（Compaction）——当对话接近窗口上限时，把它做成摘要再从摘要重启，让 agent 保住主线，而不用背着每一个原始 token。Anthropic 会搭配一份进度文件，让 agent 重读，恢复出「哪些做完了、哪些在做、哪些被卡住」。
- 结构化记笔记——agent 把持久的笔记写到外部存储（类似
NOTES.md的文件），之后再读回来，从而在一个长任务里追踪进度，而不必把它全部留在活动上下文里。 - 子 agent 架构——给每个子任务配一个自己的 agent、一个自己的窗口，让一件窄活儿不被场上其余一切稀释。这就是架构层面的「隔离」动作。
真正做产品的人也落到同一处。做 Manus 的团队写道，上下文设计——而非选哪个模型——才是他们最主要的性能杠杆，他们把文件系统当作外置的、近乎无限的内存，让 agent 按需读写。这是从另一个位置得出的同一条洞见：别硬塞，要精挑。
落到真实的办公桌上，其实很小
你不需要一笔研究预算就能做这件事。Issue #001 的 Gmail agent 就是缩小版的上下文工程：它只取它需要的那段近期邮件线程（挑选），用一小段规则而不是臃肿的提示来工作，并且停在一个人工闸门前，而不是想把整个收件箱都装进脑子里。更完整的底层管线——短期线程状态、长期存储、把检索当成一个工具——在AI agent 的记忆与上下文怎么工作里讲过；上下文工程，就是从这一切里决定到底有什么真正抵达模型的那门功夫。
FAQ
AI agent 的上下文工程是什么？ 它是在每一步精挑填进 agent 上下文窗口的东西——模型看到的指令、工具结果、检索数据和历史。Anthropic 把目标描述为「找出能把活儿干成的、最小的一组高信号 token」，因为窗口是有限资源，多余的噪声只会帮倒忙。
上下文工程和提示工程有什么不同？ 提示工程是为一次回答写一条好指令。上下文工程管理的是 agent 许多步里不断变化的整个窗口——留什么、取什么、摘要什么、丢什么。Anthropic 把它看作从单条提示走向运行中的 agent 之后的自然延续。
换一个更大的上下文窗口不就解决了？ 不能。Chroma 的 Context Rot 研究发现，它测的全部 18 个前沿模型都会随输入变长而丢准确率，往往在窗口填满之前就开始了。更大的窗口抬高了天花板，却没有免除你精挑窗口里内容的必要。
主要的技术有哪些？ LangChain 把它们归为写出（存到窗口外）、挑选（只检索相关的）、压缩（摘要或裁剪）和隔离（切给多个子 agent）。Anthropic 面向长时运行的活儿又补上了压紧、结构化记笔记和子 agent 架构。
上下文工程等于 RAG 或记忆吗？ 它们是其中的零件。检索（RAG）是「挑选」这个动作，记忆是上下文在两轮之间存放的地方，而上下文工程是更宽的那门功夫：决定这些来源里的东西，哪些在某一步真正抵达模型。
我们记录的每一个 agent，本质上都是在练习「只给模型刚好够用的东西」——没有智能体大军，也没有百万 token 的一股脑倾倒。想看专业人士到底怎么搭、喂进什么上下文、又把什么留给自己手动确认的实战笔记吗？免费订阅，每周的搭建过程直接送到你的邮箱。