FRONTIER · 工程实践
上下文工程
Effective Context Engineering for AI Agents
Anthropic 工程团队
构建 Claude Code 与 MCP 的同一支工程团队
为什么选它实操价值最高的一篇。如果你用 Claude Code、Cursor 时常觉得「聊长了就变笨」，这篇解释了原因也给了解法。核心观念的转变：上下文是会衰减的稀缺资源，目标不是尽可能多给。
这篇文章标志着一个概念的转变：从「提示工程」到「上下文工程」。区别在于，提示工程关心的是怎么把一句话写好，而上下文工程关心的是——在模型有限的注意力预算里，每一个 token 该不该占这个位置。
核心前提是：上下文是一种会衰减的稀缺资源。窗口大不等于能用满，塞得越多，模型对其中每一项的注意力越稀薄，关键信息反而容易被淹没。所以目标不是「尽可能多给」，而是找到能引出期望行为的最小高信号集合。
具体到几个层面：系统提示要在「写死一堆脆弱的 if-else 规则」和「含糊到没有指导性」之间找中间地带；工具定义要精简且功能不重叠——给模型二十个功能相似的工具，它会挑花眼；示例宜精不宜多，几个典型案例胜过堆砌边缘情况。
对长任务，文章给了三种应对：压缩（把历史对话总结后重启）、结构化笔记（把状态写到上下文之外的文件里，需要时再读回）、子智能体（让子任务在自己的上下文里做完，只回传结论）。
实操价值最高的一篇。如果你用 Claude Code、Cursor 这类工具时经常觉得「聊长了就变笨」，这篇解释了原因，也给了解法。把状态写进文件、让长任务有个上下文之外的记忆，是目前最有效的单项改进——这也直接接上了下一篇。
去读原文
本文是原创导读，不是原文翻译——真正的细节、证据和微妙之处都在原文里。
原文Anthropic Engineering · Effective Context Engineering →
本文为 AKL AI Club 原创撰写的导读，不是原文翻译；著作权归原文作者所有。 篇目由编辑独立选取，来源均经人工核实。