AI 智能体的有效上下文工程

继提示工程(prompt engineering)之后,Anthropic 提出上下文工程(context engineering)是构建 LLM 应用的自然演进:从「为提示词找到合适的措辞」转向「精心策展进入有限上下文窗口的 token 集合」。由于 LLM 的注意力预算有限、存在上下文腐烂(context rot)现象,工程目标应是最小的高信号 token 集。文章从系统提示词、工具、示例等上下文构成切入,探讨运行时「即时」(just-in-time)检索与智能体式搜索、CLAUDE.md 混合策略,并介绍面向长时程任务的三大技术:压缩(compaction)、结构化笔记与多智能体架构。