AI-ACE主动上下文工程专辑之三:从提示词到上下文工程:AI Agent时代的思维范式转变

多客科技

作者：微信文章
## 引子：提示词工程的局限性



    最近我在开发复杂项目时，遇到一个常见问题。我用精心设计的提示词，告诉AI各种要求。开始几次效果不错，但随着任务变复杂，AI开始混乱。

它忘记之前要求，代码风格前后不一致。甚至忽略约束条件。

我测试了10多个复杂任务，发现传统提示词工程有根本局限。它像一次性信息传递，无法处理多步骤任务。

传统提示词工程，我们关注"如何用词语获得好输出"。但在AI Agent时代，这不够用了。

Agent需要自主调用工具完成任务。上下文信息快速累积，导致性能下降。

## 上下文工程的崛起：背景与必要性

深入了解后，我发现了一个新概念：上下文工程。

提示词工程针对单次交互优化。上下文工程管理整个上下文状态。

它不只是系统提示，还包括工具、外部数据、历史消息等。

Anthropic在发布Claude Sonnet 4.5时提到，构建AI的重点正在转变。从"找到正确词语"转向"什么样的上下文配置产生期望行为"。

这意味着，我们不再只写提示词。而是在设计动态上下文管理系统。

上下文工程很重要。AI Agent执行复杂任务时会遇到"上下文腐烂"现象。

随着上下文变长，模型回忆信息的能力下降。这是Transformer架构的限制。

每个token与所有token建立关系。导致n²复杂性。

## 两大技术的区别与联系：深度剖析

提示词工程和上下文工程有什么不同？



提示词工程关注写指令获得输出。特别是系统提示。适用于单轮查询。我们用few-shot示例、思维链等技巧优化单次响应。



     上下文工程管理整个上下文状态。不只是系统提示，还有工具、外部数据、历史消息。更重要的是，它是动态过程。需要筛选最优信息填入上下文窗口。

在Agent系统中，每次决策循环都筛选最优信息组合。这种动态管理是必要的。

传统提示词工程像给AI指令清单。AI按单执行。上下文工程是给AI"作战手册"。让它在执行中不断参考、调整。

从实践看，提示词工程像"一次性教学"。上下文工程像"持续引导"。前者简单任务有效。后者复杂任务更优。



我用过两种方法对比。单次复杂任务，提示词工程够用。长时程多步骤任务，上下文工程性能好30%以上。

## 上下文工程的五大核心组件

上下文工程包含五个核心组件。每个都有明确功能。



**1. 系统提示词**

行为指导的核心。需要平衡：不过具体以免脆弱，不过模糊以免无法提供信号。

最佳实践是结构化提示词。用精简信息阐明行为。分为背景信息、核心指令、注意事项等部分。

**2. 工具系统**

工具定义Agent与环境交互契约。好工具自包含、功能内聚、错误鲁棒、意图清晰。

避免臃肿工具集，这会让Agent难以抉择。精简、可行的工具集是关键。

**3. 记忆机制**

记忆不只是存储，更是架构设计。包含用户级、团队级、组织级信息。需要版本控制和可组合性。

**4. 即时检索**

Agent只维护轻量级标识符。运行时动态加载数据。

像人类通过文件系统、书签按需检索。

**5. 上下文管理策略**

包括压缩、结构化笔记、子Agent架构。

压缩是摘要接近极限的上下文。结构化笔记是持久化记忆。子Agent架构是分工处理复杂任务。

## 实践指南：如何从提示词工程转向上下文工程

从提示词工程转向上下文工程，我建议这样操作：首先，设计最小且高信噪比的上下文。找到能最大化结果可能性的最小token集。



具体操作：

1. 系统提示模块化，按功能分组

2. 采用分层压缩技术，核心指令在上下文开头结尾

3. 实施动态截断机制，按任务复杂度调整上下文长度

4. 建立上下文重用库，存储有效模式

工具设计上：

1. 保持工具简洁，功能内聚

2. 确保输入参数描述明确

3. 对错误有鲁棒性

记忆管理上：

1. 区分用户级、团队级、组织级信息

2. 建立版本控制和可组合机制

3. 平衡个性化和隐私需求

长时程任务中：

1. 使用压缩策略，对话接近极限时摘要

2. 采用结构化笔记，将重要信息持久化

3. 必要时使用子Agent架构分工协作



## 总结：迎接AI Agent时代的挑战

从提示词工程到上下文工程，是AI应用开发的根本转变。

现在，挑战不再是制作完美提示。而是在每步都深思熟虑策划哪些信息进入模型的注意力预算。

上下文工程代表"少即是多"的哲学。通过简化架构、信任模型，而非过度工程化，才能实现代理性能最大飞跃。

优秀的上下文工程不是技术堆砌。而是对信息价值的精准判断。

它要求我们找到最小的高信噪比token集。以最大化期望结果的可能性。

即使未来模型更自主，将上下文视为珍贵且有限的资源，仍是构建可靠、高效Agent的核心。

在AI Agent时代，掌握上下文工程，就是掌握人机协作的未来。