关于“Context Engineering 101”的权威速查表，由Shubham Saboo发布，专为AI工程师打造，旨在帮助构建真正有效的AI代理。

核心内容：

——Context Engineering（上下文工程）定义——
- 区别于Prompt Engineering（提示工程），不仅仅是为LLM设计精准指令，更是对整个上下文窗口进行策划，包括指令、知识、工具调用和状态信息的整体管理。

——上下文类型——
1. Instructions（指令）：系统提示、few-shot示例、工具说明
2. Knowledge（知识）：检索文档（RAG）、语义记忆、历史事实
3. Tools（工具）：工具调用结果、API响应、函数输出

——上下文失败模式——
- Context Poisoning（上下文中毒）：幻觉持续存在，导致错误累积
- Context Distraction（上下文干扰）：旧信息泛滥，模型重复过去行为
- Context Confusion（上下文混淆）：错误工具/文档被调用
- Context Clash（上下文冲突）：存在矛盾指令，导致推理冲突

——四大核心策略——
1. Write Context（写入上下文）：保存关键信息以备后用，如笔记、持久会话状态、外部状态存储
2. Select Context（选择上下文）：只保留与当前任务相关的信息，利用RAG技术、语义嵌入和动态加载
3. Compress Context（压缩上下文）：通过摘要、删减无关token、优先排序保持上下文精简
4. Isolate Context（隔离上下文）：拆分不同任务上下文，采用多代理、环境沙箱、状态划分

——上下文工程决策树——
- 当发现上下文问题时，根据是否过大、无关、冲突或需持久化，选择对应策略（压缩、选择、隔离、写入）

——实用建议——
- 规划设计：先绘制上下文流，明确哪些信息需持久化，设计状态结构
- 性能与规模：持续监控token使用，设置阈值，逐步摘要
- 可靠性与安全：插入上下文验证和隔离机制，针对长任务设置检查点

这份速查表帮助AI工程师系统性地管理和优化上下文窗口，避免因“坏上下文”导致的代理失败，而非盲目追求更强模型。正如Saboo强调：“不要先怪模型，先清理你的上下文桌面。”

🔗 x.com/Saboo_Shubham_/status/1984809452487508027