← 返回首页ai798Lab 公开知识库

AI词典

星图管发现,路线管顺序,词典管查阅。每个词都挂着能直接拿去用的项目。

上下文工程

Context Engineering3 个项目7 个相关词还在变

在星图中看
桌上堆着一片杂乱卡片,小机器人只挑几张有用的放进托盘,其余扫进纸篓
说人话
一个 Agent 跑几十步,每一步都要把之前的结果重新塞回那个装不下的窗口,谁进谁不进总得有人定。定这件事就是上下文工程,它管的是资料的取舍和摆放,不是句子写得漂不漂亮。你见过的现象是任务跑到一半它忘了最初的要求,或者被中间几条无关的报错带着跑偏。
打个比方
像出差前收行李箱,箱子就那么大,带什么按今天的行程定,硬塞满了反而翻不出要用的。
说行话
两个到处能见到的词:compaction 指把长历史压成摘要,Claude Code 里对应 /compact 命令;context rot 指窗口越填越满,中段信息越容易被忽略。排查时看的是每轮真正进窗口的 token 数。
潜台词
2025 年被 Karpathy 等人带火的词,基本是给「提示工程」换了个更准的名字,重心从怎么措辞转到了喂什么资料。
别用它
一问一答的简单调用谈不上上下文工程。它是多步 Agent 和长任务才需要的功夫,别给小需求套大概念。

拿这个能做什么3 个项目

  1. 01
    langchain-ai/context_engineering

    按写、选、压、隔四类策略整理的示例与讲解,是读物不是现成工具

    选它当想看每种手法落到代码里是什么样

  2. 02
    coleam00/context-engineering-intro

    用规则文件、示例和需求文档喂饱 AI 编程助手的模板

    选它当在用 Claude Code 这类工具写项目

  3. 03
    jasontang-ai/Context-Engineering

    从第一性原理讲起的上下文工程手册

    选它当想先建立一张完整的知识地图

Agent 翻车,多数不是模型不够聪明,而是上下文里缺了关键的那条,或者塞了太多无关的。常见的四个动作:写下来、挑出来、压一压、隔开放。排查时先查缺了什么,再查多了什么。

动手试试做完就算会了

新开 claude 会话先跑 /context 记下 Messages 那行,让它读完分块那步的长文档再跑一次,涨了几千上万 token,之后每轮都背着。再跑 /compact,Messages 掉下一大截;问文档中段一个不起眼的细节,终端多出一行 Read,它得回去重翻:腾出的地方是拿细节换的。

相关点进去继续查

局部星图:拖动节点看牵连,悬停只亮它的邻居,点一个词跳过去