人工智能 深入了解 C · 行业惯例 平台: AI

Context Engineering

上下文工程

上下文工程会选择模型收到什么,也安排顺序。内容可包含事实、指令、工具、状态和证据。

看看怎样运作
也有人这样说 Context Engineering上下文设计提示上下文管线

看看怎样运作

原创情境示例上下文工程

另一个例子

客服 Agent 会收到当前工单、已验证事实、两条策略、允许操作和简短历史摘要。

主要部分

  1. 01用户意图与上下文
  2. 02模型或工具决策
  3. 03有依据的结果与降级路径

什么时候用

用它让模型工作保持相关、最新、可检查、节省 Token,而且不超出权限。

什么时候不要用

不要把所有文档都塞进上下文,也不要混合可信规则和不可信内容。长度不能代替好选择。

代码里的名称

select + structure + prioritize + refresh context

上线前要检查

检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据,也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。

可以直接复制的需求

预期结果:使用或评估 上下文工程 (Context Engineering),让 AI 行为可以衡量,也能连回证据。 用户场景:客服 Agent 会收到当前工单、已验证事实、两条策略、允许操作和简短历史摘要。 AI 方法或概念:上下文工程 (Context Engineering)。 适用理由:用它让模型工作保持相关、最新、可检查、节省 Token,而且不超出权限。 不应使用的情况:不要把所有文档都塞进上下文,也不要混合可信规则和不可信内容。长度不能代替好选择。 AI 要求:定义输入与参考证据。设置模型和工具权限。使用有版本号的评估数据与指标。说明失败、拒答、隐私、速度与成本限制。 运营防护:保留可查询记录,并隐藏其中的敏感数据。提供用户看得懂的安全备用做法。标出必须由人工复核的步骤,并定义模型或提示词的恢复方式。 验收标准:在有版本号的评估集上记录当前基线与目标。测试边界案例与恶意输入。验证安全备用做法、监控、权限与恢复方式。 证据与限制(证据边界):没有一份官方标准能涵盖全部内容。不同团队、平台或框架的用法可能不同。 待确认:目标任务、模型与版本、评估负责人、参考数据、风险阈值、工具权限,以及生产环境的安全备用做法。

检查这份需求

请 AI 编程助手检查当前如何使用 上下文工程 (Context Engineering)。 定义:上下文工程会选择模型收到什么,也安排顺序。内容可包含事实、指令、工具、状态和证据。 生产环境检查:检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据,也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。 修改程序前,先列出看到的证据、缺口、严重程度,以及最小且安全的修正。

C
这个术语有多正式?

行业惯例

工作中经常会用到这个术语。列出的来源可能说明用法或限制,但不会定义全部内容。

没有一份官方标准能涵盖全部内容。不同团队、平台或框架的用法可能不同。

适用范围
只包含来源有说明的内容:正式名称、定义、使用指南、避免事项、语义、实现
文档状态
稳定
核验日期
2026-07-30

证据来源与适用范围

正式来源 · OpenAI · 稳定 Prompt Engineering 适用范围: 正式名称、定义、使用指南、避免事项 本页用途: 提供背景,不是正式定义 来源涵盖内容: 正式名称, 定义, 使用指南, 避免事项 正式来源 · Model Context Protocol · 稳定 Model Context Protocol Specification 适用范围: 正式名称、定义、语义、实现 本页用途: 提供背景,不是正式定义 来源涵盖内容: 正式名称, 定义, 语义, 实现

自行复制

浏览器无法自动复制。请选择下方文字,再自行复制。