AI Agent入门第十二课：上下文工程——你的输入方式，决定了AI的聪明程度

# AI Agent入门第十二课：上下文工程——你的输入方式，决定了AI的聪明程度

「我以为只要把Prompt写好就万事大吉了，直到Agent在第15轮对话后完全迷失了方向……」

那次我在测试一个旅行规划Agent时，前面沟通还挺顺畅，后来它突然开始答非所问。当我说"帮我看看有没有更优惠的选择"时，它却开始跟我聊起背包收纳技巧。我盯着屏幕愣了三秒，心里嘀咕：我的Prompt写得明明挺不错的啊？

后来才明白，Prompt写好只是第一步，真正让Agent保持"清醒"的，是一门叫Context Engineering（上下文工程）的手艺。今天第12课，咱们就来聊聊这个。

打个比方。

Prompt Engineering是什么？就像员工入职第一天，给他准备了一份详尽的工作手册：职责是什么、如何汇报、需要注意什么。写好了，交出去，搞定。

Context Engineering是什么？是在整个工作过程中，你持续给这个员工补充信息——"客户刚提出新需求"、"之前那份报告已经失效了"、"这个工具现在可以用了"——同时还要把他桌上堆积的旧文件清理掉，避免他被淹没。

简而言之：PE是静态的，一次性的；CE是动态的，全程管理信息流的。

你写出一个好Prompt，Agent开始工作得很顺畅。但任务运行起来后，信息不断涌入、积累、过时、冲突——这时候光靠那份说明书已经不够了。上下文工程，就是在管理这整个过程。

Agent的"大脑"里，实际上装着好几种不同性质的信息。我整理成一张表，一目了然：

这五类信息，每一类都有自己的生命周期和风险点。上下文工程要管的，就是这五类信息在Agent运行全程里的进进出出。

理论说完，来点实操。上下文工程有个三步走的规划思路：

拿"帮我订机票"这个场景走一遍：

这三步做完，Agent知道自己该看什么、不该看什么，才不会跑着跑着迷路。

知道了要管什么，再来看怎么管。

另外三个策略简单提一下：Memories（记忆存储）是跨会话的持久化，让Agent记住"你上次说过不喜欢红眼航班"；Sandbox Environments（沙箱）是让Agent在隔离环境里跑代码，只把关键结果读回来，不污染主上下文；Runtime State Objects（运行时状态容器）是给复杂任务维护一个结构化的状态对象，比如"当前步骤=第3步，已确认信息=出发地+日期，待确认=座位偏好"。

好，以上都是讲"怎么做好"。现在来说最有意思的部分：哪些情况会把上下文搞坏。我继续用旅行订票的场景来举例，这样更直观。

它没有忘记你的问题，它只是被上下文里的旅行故事带走了。

这四种失效模式，说白了，都是信息管理的问题，不是模型本身变笨了。喂错信息、喂杂信息、喂冲突信息，再聪明的模型也会乱。

最后补充一个常见的概念混淆：RAG和Context Engineering是什么关系？

RAG（检索增强生成）你可能听说过——就是AI回答问题之前，先去检索相关文档，把检索结果塞进上下文里，再生成回答。这是解决"模型不知道最新信息"问题的主流方案。

但RAG只是Context Engineering的一个工具，专门负责处理五类上下文里的Knowledge（知识）这一类。它解决的是"从哪里取知识、怎么取"的问题。

Context Engineering是更宏观的框架，管理的是所有五类上下文的全生命周期——不只是知识，还有指令、工具、对话历史、用户偏好。RAG做得再好，其他四类上下文搞砸了，Agent照样出问题。

简单说：RAG是一块零件，CE是整台发动机。

AI的世界每天都比昨天更陌生一点，但也更有意思一点。我们明天见。

📌 第13课预告：Agent的记忆系统——从「每次从零开始」到「记得你说过的每一件事」，期待的扣1。