AI Agent系列：上下文为何是AI的“燃料”？

当你对新来的伙伴说：“帮我起草一份周报。”

伙伴一脸困惑：“周报该包含哪些细节？格式是怎样的？发给谁？重点放在哪？”——因为他缺乏背景信息，不了解你的工作范畴、公司调性以及老板的喜好。

AI的情况也是如此。当你指派它执行任何任务时，它都需要背景信息。毕竟，AI并不具备读心术，无法凭空知晓你的处境、目标及标准。

所谓的“上下文”，即AI理解“你在何种情境下、为何、要执行什么”的所有数据总和。

为何上下文被视为AI运作的“燃料”？它具体包含哪些要素？为何提供充足的上下文比挑选模型更为关键？

试想一下，你让一个新手协助制作PPT。若不提供任何背景，结果会怎样？

AI面临的任务本质无异。若缺失背景，AI便只能用“平均信息”来敷衍——听起来尚可，但与你实际的需求总隔着一层。

上下文通常涵盖以下要素：

核心洞见：

相同的指令，在不同的背景下，AI的输出可能天壤之别。就像同样的“帮我做饭”，在素食家庭和肉食爱好者家，预期的结果截然不同。

案例：利用AI撰写周报

低背景版本：

帮我写一份周报。

AI输出：一份非常通用的模板，可能包含“本周工作”、“下周计划”、“遇到的问题”等标准板块，但缺乏具体内容。

高背景版本：

我是一名互联网产品经理。本周工作包括：

老板偏好：简洁、有数据、有结论、有风险提示 团队文化：不搞形式主义，用事实说话

请帮我生成周报。

AI输出：一份详实、有具体项目进度、数据支撑、风险提示的周报，基本可直接发送给老板。

区别何在？就在于背景信息的差异。

进行一个两轮测试：

第一轮——无背景： 输入：

帮我写一份项目进度报告。

观察AI输出了什么。多半是一个空泛的模板。

第二轮——增加背景： 输入：

你是项目助理。请帮我写一份项目进度报告。以下是背景：

观察AI输出有何不同。是不是从“随便写写”变成了“可以直接使用”？

若想更进一步，可以建立一份“个人背景文档”：

在一个文本文件或笔记软件中，整理以下内容：

今后每次让AI协助工作时，先将这段“个人背景”粘贴给它，你会发现AI的输出质量显著提升。

这就是个人Agent的雏形——让AI预先了解你。

误区一：“背景越多越好，把所有东西都塞进去。” 现实：背景的质量比数量更重要。关键信息到位即可，无关信息反而可能干扰AI。要精准投喂，切勿堆砌。

误区二：“AI会记住我之前说的所有话。” 现实：当前的大模型都有上下文长度限制。超出的内容会被“截断”或“遗忘”。这也是为什么长期任务需要知识库、记忆机制等辅助。

误区三：“背景不重要，选个好模型就行。” 现实：即使是最顶尖的模型，在无背景的情况下，也只能给出“平均水平”的回答。提供充足背景的普通模型，往往比没有背景的高级模型表现更好。

今天我们理解了“上下文”的核心地位：

概念卡片#5

上下文给够了，AI就靠谱吗？不一定。还有一个“暗黑问题”需要面对：幻觉。AI有时会一本正经地胡说八道，这是为何？如何避免？下一篇我们来拆解这个让无数人头疼的问题。

优质的背景，让AI从“能说话”变为“懂你”。下一步，我们要学会判断它所说的是否属实。