本文是 Anthropic 官方发布的“上下文工程（context engineering）“文章的中文翻译。

从 提示词工程 拓展到 上下文工程，再说明 上下文工程 如何构建。

引言

提示词工程 聚焦数年后，出现新术语：上下文工程（context engineering）。使用语言模型构建应用，从"为提示词寻找合适的词语"，转变为"什么样的上下文配置最可能产生期望的模型行为"。

上下文（Context）：LLM使用时包含的token集合。

工程（engineering）问题：针对LLM约束优化这些token的使用，下方有说明为何要约束。

使用LLM需要在上下文中思考：考虑LLM在任何时刻可用的整体状态，及该状态可能产生的行为。

本文讲上下文工程，提供思维模型，用于构建可控、有效的智能体。

对比：上下文工程 vs. 提示词工程

Anthropic将上下文工程视为提示词工程的演进。

提示词工程

• • 定义：编写和组织LLM指令的方法
• • 关注点：如何编写有效提示词，特别是系统提示词
• • 适用场景：单次分类或文本生成任务

上下文工程

• • 定义：在LLM推理期间选择和维护最优token集合的策略
• • 范围：包括提示词之外进入上下文的所有信息（系统指令、工具、MCP、外部数据、消息历史等）
• • 适用场景：多轮推理、长时间运行的智能体

为什么需要演进？

智能体在循环运行中生成越来越多可能相关的数据，这些信息必须循环精炼。

上下文工程的核心：从不断演化的可能信息中选择什么进入有限上下文窗口。

关键区别

提示词工程：离散任务（写一次提示词）

上下文工程：迭代过程（每次推理都要决定传递什么给模型）

为什么上下文工程对构建智能体重要

核心问题：上下文腐化

LLM像人类一样，在某个点会失去焦点或困惑。

"大海捞针"式基准测试研究揭示上下文腐化（context rot）：

• • 上下文窗口token数量增加
• • 模型准确回忆信息的能力下降

这一特性出现在所有模型中。

根本原因：注意力预算有限

上下文是边际收益递减的有限资源。

像人类拥有有限工作记忆容量，LLM解析大量上下文时动用"注意力预算"：

• • 每个新token消耗预算一部分
• • 需要选择LLM可用token

架构约束

这种注意力稀缺源于LLM架构约束。

LLM基于transformer架构：

• • 每个token关注整个上下文中的每个其他token
• • 导致n个token间存在n²个成对关系

上下文长度增加 → 模型捕获成对关系的能力被拉伸稀薄 → 上下文大小和注意力焦点间产生张力

训练数据的限制

模型训练时：

• • 见过的短文本很多（如短对话、短文章）
• • 见过的长文本很少（如长文档、长对话）

结果：

• • 模型擅长处理短上下文
• • 处理长上下文时能力不足
• • 难以准确记住距离很远的信息之间的关系

类比：就像学生主要练习短跑，偶尔跑一次马拉松，那他马拉松成绩自然不如短跑。

扩大上下文窗口的局限

有人可能会想：直接扩大上下文窗口不就行了？

确实有技术可以让模型处理更长的上下文（位置编码插值技术），但有代价：

效果：

• • 不是到某个长度突然完全失效（断崖式）
• • 而是越长，准确率越低（渐进式）

具体表现：

• • 模型在较长上下文中仍能工作
• • 但信息检索和长程推理的精度会降低
• • 越长的上下文，精度下降越明显

类比：就像人的注意力——你可以同时看10个屏幕，但记忆准确度会比看1个屏幕低很多。

结论

这些现实意味着上下文工程对构建智能体重要。

即使技术进步允许更长上下文，仍需要精心选择放入什么信息。

上下文的构成

受限于有限注意力预算，好的上下文工程意味着找到最小的有效token集合，最大化期望结果的可能性。

下面概述这一原则在上下文不同组成部分中的实际意义。

系统提示词

系统提示词应清晰、简单、直接，保持适度的抽象程度。

两种极端，一个平衡点

适度的抽象程度意味着在两种失败模式间找平衡：

❌ 极端1：过度硬编码

• • 在提示词中硬编码复杂、脆弱的逻辑
• • 试图引出精确智能体行为
• • 问题：创造脆弱性，维护复杂性随时间增加

❌ 极端2：过于模糊

• • 提供模糊的高级指导
• • 无法给LLM提供期望输出的具体信号
• • 问题：错误假设共享上下文

✅ 平衡点：适度抽象

• • 足够具体：能引导行为
• • 足够灵活：为模型提供强启发式

组织建议

将提示词组织成不同部分：

• • <background_information> 背景信息
• • <instructions> 指令
• • ## Tool guidance 工具指导
• • ## Output description 输出描述

使用XML标签或Markdown标题划分这些部分。

💡 随着模型变强，提示词格式可能变得不那么重要

最小信息集原则

追求完全符合预期行为的最小信息集。

注意：

• • 最小 ≠ 短
• • 仍需预先给智能体足够信息确保它遵守期望行为

迭代优化流程

1. 1. 起点：用最佳可用模型测试最小提示词
2. 2. 观察：看它在任务上表现如何
3. 3. 改进：根据初始测试中发现的失败模式添加清晰指令和示例

工具

工具允许智能体与环境交互，在工作时引入新的额外上下文。

核心作用

工具定义智能体与其信息/行动空间间的契约。

工具促进效率的两个方面：

• • 返回token高效的信息
• • 鼓励高效的智能体行为

设计原则

类似设计良好的代码库的函数，工具应满足：

1. 自包含

• • 一个工具完成一件完整的事
• • 不需要依赖其他工具配合
• • ✅ 好例子：search_file(keyword) - 直接搜索并返回结果
• • ❌ 差例子：prepare_search() + execute_search() + get_results() - 需要三步配合

2. 鲁棒（对错误友好）

• • 能处理异常情况，不会崩溃
• • 给出明确的错误信息
• • ✅ 好例子：文件不存在时返回 {"error": "文件未找到", "path": "xxx"}
• • ❌ 差例子：文件不存在时直接报错退出

3. 清晰（一看就懂）

• • 从工具名称和描述就能知道它做什么
• • ✅ 好例子：get_user_profile(user_id) - 明确获取用户资料
• • ❌ 差例子：process(id) - 不知道处理什么

4. 功能重叠最小

• • 每个工具做一件事，避免重复
• • ✅ 好例子：一个 search_user(query_type, value)
• • ❌ 差例子：三个工具 search_by_name()、search_by_id()、search_by_email()

输入参数设计：

• • 描述性强：一看参数名就知道要传什么
• • 意义明确：不产生歧义
• • 发挥模型优势：让LLM用自然语言理解，而非复杂格式

常见失败模式

❌ 臃肿的工具集

• • 覆盖太多功能
• • 导致使用哪个工具的模糊决策点

关键原则：

如果人类工程师无法明确说明在给定情况下应使用哪个工具，不能期望AI智能体做得更好。

✅ 最小可行工具集

选择最小可行工具集的好处：

• • 更可靠的维护
• • 长交互中更好的上下文修剪

示例

提供示例（few-shot提示）是众所周知的最佳实践，强烈建议使用。

常见误区

❌ 塞满边缘情况

• • 在提示词中塞满一长串边缘情况
• • 试图覆盖LLM应遵循的每个可能规则
• • 结果：提示词冗长，模型反而抓不住重点

推荐做法

✅ 选择典型示例

建议选择一组：

• • 多样化：覆盖不同场景
• • 典型：非边缘情况，是常见情况
• • 有代表性：有效描绘智能体的预期行为

💡 对LLM来说，示例是值千言万语的"图片"。

总体指导原则

对上下文不同组成部分（系统提示词、工具、示例、消息历史等）：

保持上下文信息丰富但紧凑

上下文检索和智能体搜索

智能体的简单定义

我们强调了基于LLM的工作流和智能体的区别。

简单定义：智能体 = LLM在循环中自主使用工具

与客户合作，我们看到领域正收敛到这个简单范式：

• • 随着底层模型变强 → 智能体自主水平扩展
• • 更智能的模型 → 独立导航问题空间并从错误中恢复

即时检索策略

背景：从"预检索"到"即时检索"

工程师在为智能体设计上下文时的思维转变：

传统方法：预推理时间检索

• • 采用基于embedding的检索
• • 推理前就浮现重要上下文

新趋势："即时（Just in Time）"上下文策略

• • 运行时动态检索
• • 用到时才加载

工作方式

采用"即时"方法构建的智能体：

不会：

• • ❌ 预先处理所有相关数据

而是：

• • ✅ 维护轻量级标识符（文件路径、存储查询、网络链接等）
• • ✅ 运行时用工具动态将数据加载到上下文中

案例：Claude Code

Anthropic的智能体编码解决方案Claude Code使用这种方法对大型数据库执行复杂数据分析：

1. 1. 模型编写针对性查询
2. 2. 存储结果
3. 3. 利用head和tail等Bash命令分析大量数据
4. 4. 无需将完整数据对象加载到上下文中

类比：像人类一样思考

这种方法反映人类认知：

人类不会：

• • ❌ 记忆整个信息语料库

人类会：

• • ✅ 引入文件系统、收件箱和书签等外部组织系统
• • ✅ 按需检索相关信息

元数据的价值：不打开文件也能获取信息

除了节省存储空间，元数据（文件路径、文件名、时间戳等）本身就能帮助智能体做决策。

什么是元数据？

元数据 = 关于数据的数据

类比：就像你看书架上的书：

• • 不用打开书
• • 从书名、作者、出版日期就能判断要不要读

三种元数据类型

1. 文件路径暗示用途

智能体看到文件路径，就能判断文件用途：

示例1：

• • tests/test_utils.py
• • 位置：tests/ 文件夹
• • 推断：这是测试文件
• • 行为：如果要找核心逻辑，跳过

示例2：

• • src/core_logic.py
• • 位置：src/ 文件夹
• • 推断：这是核心逻辑
• • 行为：如果要修改业务功能，优先看这里

2. 文件名暗示内容

示例：

• • config.json → 配置文件
• • utils.py → 工具函数
• • main.py → 程序入口
• • README.md → 项目说明

3. 时间戳暗示相关性

示例：

• • last_modified: 2天前 → 可能是最近修改的，相关性高
• • last_modified: 2年前 → 可能是旧代码，相关性低

综合使用元数据

智能体通过元数据组合判断：

场景：修复最近的bug

1. 1. 看时间戳 → 找最近修改的文件
2. 2. 看路径 → 排除测试文件
3. 3. 看文件名 → 优先看 bugfix.py 而非 config.json

效果：

• • 不用读所有文件内容
• • 快速定位相关文件
• • 节省上下文窗口

渐进式披露（Progressive Disclosure）

让智能体自主导航和检索数据也实现渐进式披露——允许智能体通过探索逐步发现相关上下文。

每次交互都提供线索

智能体通过探索获得信息：

• • 文件大小 → 暗示复杂性
• • 命名约定 → 暗示目的
• • 时间戳 → 暗示相关性

逐层组装理解

智能体的工作方式：

1. 1. 仅在工作记忆中维护必要内容
2. 2. 利用笔记策略进行额外持久化
3. 3. 自我管理上下文窗口

效果：

• • ✅ 专注于相关子集
• • ❌ 而非淹没在详尽但可能无关的信息中

权衡与解决方案

权衡：速度 vs 精准

缺点：

• • ❌ 运行时探索比检索预计算数据慢
• • ❌ 需要工程确保LLM拥有正确工具和启发式

风险：没有适当指导，智能体可能：

• • 误用工具
• • 追逐死胡同
• • 未能识别关键信息
• • 浪费上下文

解决方案：混合策略

某些情况下，最有效的智能体可能采用混合策略：

• • 预先检索一些数据（提高速度）
• • 根据判断进行进一步自主探索（保持灵活）

"正确"自主水平的决策边界取决于任务。

案例：Claude Code的混合模型

Claude Code采用混合模型：

• • 预检索部分：CLAUDE.md 文件被预先放入上下文
• • 即时检索部分：glob和grep等原语允许导航环境并即时检索文件

适用场景

混合策略更适合动态内容较少的上下文，例如：法律或金融工作

未来趋势

随着模型能力提高：

• • 智能体设计将趋向让智能模型智能地行动
• • 人工选择逐渐减少

💡 "做最简单有效的事情"可能仍将是对在Claude之上构建智能体的团队的最佳建议。

长期任务的上下文工程

问题：上下文窗口总会不够

长期任务的挑战：

• • Token计数超过LLM上下文窗口
• • 需要在长序列动作中维持连贯性
• • 例如：大型代码库迁移、综合研究项目（数十分钟到数小时）

为什么不能只等更大的上下文窗口？

看似显而易见的策略：等待更大上下文窗口

现实：在可预见的未来，所有大小的上下文窗口都会受影响：

• • 上下文污染
• • 信息相关性问题
• • 至少在需要最强智能体性能时如此

三种解决方案

为使智能体在扩展时间范围内有效工作，我们开发了三种技术：

1. 1. 压缩（Compaction）
2. 2. 结构化笔记（Structured Note-taking）
3. 3. 多智能体架构（Multi-Agent Architectures）

方案1：压缩（Compaction）

什么是压缩？

当对话接近上下文窗口限制时：

1. 1. 总结内容
2. 2. 用摘要重新启动新上下文窗口

核心目标：

• • 高保真方式提炼上下文窗口内容
• • 智能体以最小性能下降继续

案例：Claude Code如何压缩

Claude Code的做法：

1. 1. 总结：将消息历史传递给模型
2. 2. 保留：

• • ✅ 架构决策
• • ✅ 未解决的bug
• • ✅ 实现细节

• 3. 丢弃：
• • ❌ 冗余工具输出
• • ❌ 重复消息
• 4. 继续：用压缩上下文 + 最近访问的5个文件

用户体验：获得连续性，无需担心上下文窗口限制

压缩的艺术：平衡取舍

核心挑战：选择保留什么和丢弃什么

风险：过于激进的压缩 → 丢失微妙但关键的上下文 → 后续才发现重要性

优化建议

对实施压缩系统的工程师：

步骤1：最大化召回率

• • 确保压缩提示词捕获轨迹中每个相关信息片段

步骤2：提高精度

• • 迭代消除多余内容

快速见效：清除工具结果

低垂果实示例：清除工具调用和结果

• • 工具在消息历史深处被调用过
• • 智能体无需再次看到原始结果

最安全的压缩形式：工具结果清除

• • 已作为Claude开发者平台功能推出

方案2：结构化笔记（Structured Note-taking）

什么是结构化笔记？

也叫：智能体记忆

机制：

1. 1. 智能体定期将笔记写入上下文窗口外的持久化内存
2. 2. 稍后拉回上下文窗口

好处

以最小开销提供持久记忆

例子：

• • Claude Code：创建待办事项列表
• • 自定义智能体：维护NOTES.md文件

效果：

• • 跟踪复杂任务进度
• • 维护关键上下文和依赖关系
• • 避免在数十次工具调用中丢失信息

案例：Claude玩宝可梦

展示：记忆如何在非编码领域转变智能体能力

智能体的记忆能力：

1. 1. 维护精确统计（数千游戏步骤）
• • “在过去1,234步中，我一直在1号道路训练我的宝可梦”
• • “皮卡丘已获得8级，目标是10级”
• 2. 自主开发工具（无需提示）
• • 开发探索区域的地图
• • 记住已解锁的关键成就
• • 维护战斗策略的战略笔记
• • 学习哪些攻击对不同对手效果最好
• 3. 跨上下文重置保持连贯
• • 读取自己笔记
• • 继续多小时训练序列或地牢探索

关键价值：这种跨总结步骤的连贯性实现长期策略，仅靠LLM上下文窗口无法实现。

官方工具：记忆功能

作为Sonnet 4.5发布的一部分，Claude开发者平台推出：

记忆工具（公开beta）

• • 基于文件的系统
• • 在上下文窗口外存储和查阅信息

允许智能体：

• • 随时间构建知识库
• • 跨会话维护项目状态
• • 引用以前工作无需将所有内容保留在上下文中

方案3：子智能体架构（Multi-agent Architectures）

核心思想

不是：

• • ❌ 一个智能体试图在整个项目中维护状态

而是：

• • ✅ 专门化的子智能体用干净上下文窗口处理聚焦任务

工作方式

主智能体：

• • 用高层计划协调

子智能体：

• • 执行深度技术工作
• • 使用工具查找相关信息
• • 可能广泛探索（数万个token或更多）
• • 只返回浓缩、精炼摘要（通常1,000-2,000个token）

核心优势

清晰的关注点分离：

• • 详细搜索上下文 → 保持在子智能体内隔离
• • 主智能体 → 专注于合成和分析结果

实际效果

这种模式在**《我们如何构建多智能体研究系统》**中讨论过：

在复杂研究任务上显示对单智能体系统的显著改进

如何选择方案？

这些方法间的选择取决于任务特征：

方案	适合场景	典型例子
压缩	需要大量来回的任务	维护对话流
笔记	有明确里程碑的迭代开发	长期项目跟踪
多智能体架构	复杂研究和分析	并行探索带来红利

---

核心洞察：

即使模型继续改进，在扩展交互中维持连贯性的挑战仍将是构建更有效智能体的核心。

---

结论

从提示词工程到上下文工程

上下文工程代表我们如何使用LLM构建的根本转变。

过去：

• • 制作完美提示词

现在：

• • 在每一步选择什么信息进入模型的有限注意力预算

不变的指导原则

无论：

• • 为长期任务实施压缩
• • 设计token高效工具
• • 使智能体即时探索环境

指导原则不变：

💡 找到最大化期望结果可能性的最小高信号token集合

未来趋势

技术演化：我们概述的技术将随模型改进继续演化

模型能力提升：

• • 更智能的模型需要更少规定性工程
• • 允许智能体以更大自主性运行

核心不变：即使能力扩展，将上下文视为有限资源仍将是构建可靠、有效智能体的核心。