Context Engineering
属性
Context Engineering
prompt engineering 的自然演进：不再只问“提示词怎么写”，而是问“什么样的上下文配置最可能产生期望行为“——管理系统指令、工具、外部数据、消息历史的整体状态。Anthropic 两篇一手资料对此概念表述一致（context engineering 专文系统论述；Claude Code 最佳实践称上下文窗口是”最重要的待管理资源“）。
核心概念
- attention budget：LLM 处理上下文有注意力预算，每个新 token 都在消耗。架构根源：transformer 的 n² 成对注意力随长度被拉薄。
- context rot：token 越多，从上下文准确召回的能力越低；是渐变坡度而非悬崖。
- 指导原则：找到最小的高信号 token 集合最大化期望结果概率。minimal ≠ short——信息要给足，但每个 token 都要挣到位置。
实践手段
- system prompt 的“正确高度”：在硬编码脆弱逻辑与空泛指导之间——具体到能引导行为，灵活到能提供启发式。
- just-in-time 检索：维护轻量标识符（路径、链接），运行时按需加载，代替预处理一切；配合渐进式披露逐层组装理解。模仿人类的外部索引系统（文件系统、书签）。
- 长任务三技术：compaction（总结重启）、structured note-taking（agentic memory，笔记持久化到上下文外）、sub-agent 架构（隔离探索、回传蒸馏摘要）。
在本知识库中的应用
- “先读 index.md 再深入页面”的导航规则 = just-in-time 检索 + 渐进式披露
- query 三档位（quick/standard/deep）= 按需控制进入上下文的信息量
- wiki 本身 = structured note-taking 的制度化，见 知识复利
被引用于 10
- AI 原理与前沿
- Context Engineering — 概念
- Agent Memory
- context engineering 的长任务三技术之一（structured note-taking）
- Anthropic
- 概念：agentic systems、context engineering、subagent
- Claude Code
- 底层约束：上下文窗口填满即性能退化，一切最佳实践围绕此展开——见 context engineering。
- Claude Code 官方最佳实践
多数最佳实践基于同一约束：上下文窗口很快填满，且性能随填满而退化。上下文是最重要的待管理资源——与 context engineering 一文的"attention budget"相呼应。
- Subagent
上下文是根本约束（见 context engineering）。调查一个代码库要读大量文件，全算在主对话头上会挤爆 attention budget；隔离到 subagent 后，"详细的搜索上下文留在子 agent 内，主 agent 专注综合分析"——关注点的干净分离。在复杂研究任务上，多 …
- 上下文是有限资源
…x.md 先行的导航规则就是 just-in-time 检索与渐进式披露的应用。概念详页：context engineering。
- 模型崩溃经典概念 · 费曼寓言
- AI 训练数据的退化风险（本库对照）：模型崩溃是 context engineering 在"数据源"层面的宏观对应物——后者管的是单次推理的 context 质量（context rot、attention budget），前者管的是整个模型训练语料的世代质量；两者共享同一底层直觉：喂进去…
- 知识复利：Wiki 与 Memory 同源
相关概念：LLM Wiki 模式、context engineering。
- 索引先行浪费上下文吗？
档位：standard。依据页面：context engineering、LLM Wiki 模式、context engineering 原文。
本页由 AI 从原始资料编译生成、经人工确认后发布；原始资料保留在私有工作区。