主题： 上下文工程
研究如何为模型组织任务所需的信息、记忆、工具结果和约束，让有限上下文稳定支撑复杂工作。
这里收录 20 篇围绕「上下文工程」的文章。主题页只聚合长期维护的知识领域，具体产品、人物和技术名词保留为文章关键词。
从这里开始
-
从软件工程到上下文工程：AI 时代的开发者新范式
或许你也有过这样的时刻：在代码评审会议上，同事用 AI 助手几分钟就重构了一个你花了几天才完成的微服务架构；又或者，在日常开发中，你发现团队里的新人正在用 AI 编程助手，轻松地处理那些曾经需要反复查阅文档和调试的复杂任务。
-
把 10,994 条笔记变成记忆
这是一场来自 AI Engineer 频道的演讲或访谈，主题围绕“把 10,994 条笔记变成记忆”。
-
我们用本地代码索引减少了 94% 的 AI 编程 token
Rajkumar Sakthivel 分享了他们如何通过本地代码索引层减少 AI 编程过程中的输入上下文，把每次查询发送给模型的 token 大幅压缩，同时用混合搜索、结果压缩、调用关系追踪和评分过滤维持代码检索准确率。
全部文章
-
100 工具 Agent 是个陷阱
这是一场来自 AI Engineer 频道的演讲，主题是"100 工具 Agent 陷阱"：当你给 AI Agent 一次性提供过多工具时，准确率会随着工具数量增长而急剧下降。
-
提示词就是平台
Dominik Tornow 认为，当 Agent 能够按需根据规范生成面向具体基础设施的实现时，软件平台的价值会从通用实现转向可复用的规范。
-
你的 Agent 正在浪费 Token，而你还不知道
AWS 开发者布道师 Eric Hanchett 介绍了降低 Agent token 成本的五种做法：缓存系统提示词，按任务难度路由到不同模型，把大型工具结果移出上下文，限制工具循环次数，以及裁剪多轮对话历史。
-
别再写语气指令了。要分层组织它们
演讲者 Isadora Martin Dye 分享了她在经营婚礼场地、并为场地构建 AI Agent 的过程中总结出的四层提示词架构：不可变身份层、情境模式层、示例锚定语气层、生成后否决层。
-
当所有上下文都重要：扩展型缓存增强生成
Luis Romero Sevilla 讨论了一个约束很强的知识表示场景：所有文档都与用户问题相关，文档之间关系密集，并且数据会频繁整体替换。
-
我们用本地代码索引减少了 94% 的 AI 编程 token
Rajkumar Sakthivel 分享了他们如何通过本地代码索引层减少 AI 编程过程中的输入上下文，把每次查询发送给模型的 token 大幅压缩，同时用混合搜索、结果压缩、调用关系追踪和评分过滤维持代码检索准确率。
-
把 10,994 条笔记变成记忆
这是一场来自 AI Engineer 频道的演讲或访谈，主题围绕“把 10,994 条笔记变成记忆”。
-
有失忆症的天才
Nx 的 Victor Savkin 用“有失忆症的天才”比喻 AI Agent 的两大核心局限：只能看到代码库的一小部分（空间限制），以及每次会话重新开始时都没有跨会话记忆（时间限制）。
-
构建优秀 Agent 技能：缺失的手册
这是来自 AI Engineer 频道的一场演讲，主题是如何构建高质量的 Agent 技能。
-
浏览器 Agent 需要的不是更好的模型，而是更好的眼睛
Kushan Raj 认为，浏览器 Agent 的主要瓶颈不在于模型能力，而在于模型看到网页、理解网页状态变化、规划长序列操作的环境表示太差。