AI Agent 在处理复杂任务时经常“掉链子”。你刚告诉它的信息，它很快就忘了。给它的工具越多，它反而越混乱。这不是个例。
今年 6 月，Andrej Karpathy 发推特讨论 “Context Engineering” 和 “Prompt Engineering” 的关系后，Context Engineering（上下文工程）这个词彻底爆火。
为什么这个概念这么火？因为它要解决的正是大家都在发愁的核心问题：AI 能记住的信息有限，如何在有限的上下文空间内为它提供最合适的信息和工具？
转眼 5 个月过去，上下文工程已经从一个新概念变成了 AI Agent 开发的核心技能。Manus、Anthropic、Cursor、Google DeepMind 等众多 AI 团队都验证并分享了许多实用方法。我在实际使用中发现，这些方法的思路其实和管理计算机内存类似——该缓存的要缓存，该压缩的要压缩，暂时用不到的信息就不要塞进上下文里。
上下文越长，模型越容易出错
Chroma 实验室做了个实验，测试了 18 个最强模型（包括 GPT-4.1、Claude 4、Gemini 2.5等），让大模型在大量重复词中找出藏入的不同词。
结果是，输入越长，模型性能退化越明显。输入较短时表现完美，但当输入扩展到数千甚至上万个词时，准确率明显下降。位置越靠后的异常词，越容易被漏掉或者放错位置。
更有意思的是，不同模型的策略差异很大。Claude Opus 4 更谨慎，遇到不确定的情况宁愿拒答。GPT 系列模型则倾向于给出一个看起来合理但可能错误的答案。
实际使用中，问题就更复杂了。AI 在某一步产生了幻觉，把错误信息写入上下文，后续推理就会基于这个错误继续，越错越离谱。或者你给 AI 提供了 50 个工具定义，它开始在工具之间反复横跳，忘了最初的任务目标。多轮对话中的信息冲突也很常见，如果前面说了 A，后面又说了相反的 B，模型往往会抓住先入为主的 A 不放，即使 B 才是正确的。
Manus 团队在实践中发现，工具越多，性能退化越严重。主要原因是动态增删工具定义会破坏 KV-cache 的前缀稳定性，导致缓存命中率下降、延迟和成本上升。LangChain 也提到了类似问题，工具数量超过一定阈值后，性能反而下降。
这些问题不是模型的错，主要是上下文窗口容量太有限了。
像管理内存一样管理上下文
程序员都懂内存泄漏、缓存失效、缺页异常这些老问题。AI 的上下文窗口其实就像计算机的内存——容量有限，访问有开销。
上下文工程面对的，本质上就是内存管理的经典问题：
- 无用数据占用空间，挤掉有用信息，这就是 Memory Leak（内存泄漏）。
- 常用数据被挤出去，需要重新加载，这就是 Cache Miss（缓存未命中）。
- 需要的信息不在上下文里，需要你来告诉它，这就是 Page Fault（缺页错误）。
五种应对策略
过去几个月，Manus、Anthropic、Cursor 和 DeepMind 等公司验证并分享了许多关于上下文工程的实践经验。根据他们的经验，我总结出五种主要策略。
Offload：写入文件系统
写本地文件系统是最常用、最简单的上下文工程方法。
比如 Manus 在处理复杂任务时，会创建一个 todo.md 文件。任务进行过程中，Agent 会不断更新这个文件：
## Current Task: 优化登录流程
- [x] 检查数据库连接
- [ ] 分析JWT token过期问题
- [ ] 测试Redis缓存
- [ ] 更新文档
这样做有两个好处。任务列表不需要一直占用上下文窗口，需要时读取就行。每次读写 todo.md，相当于提醒 AI 当前的任务是什么，防止跑偏。
Anthropic 的研究团队也用类似方法。他们在构建多 Agent 研究系统时，会把研究计划写入文件。每个子 Agent 完成任务后，把结果保存到文件里。主 Agent 不需要在上下文中记住所有细节，只需要知道"研究计划在 plan.md 里，实验结果在 results/ 目录"。
Cache：缓存常用上下文
Claude 的提示词缓存功能能让成本大幅降低。缓存命中的输入 token 价格比未命中便宜 10 倍。但前提是前缀必须字节级完全相同。
很多开发者犯的错误是在 system prompt 开头加时间戳：
# ❌ 错误做法:每次时间都变,缓存永远失效
system_prompt = f"""
Current time: {datetime.now()}
You are a coding assistant...
"""
正确的做法是把变化的部分放后面：
# ✅ 正确做法
system_prompt = """
You are a coding assistant...
---
Current time: {datetime.now()}
"""
Manus 团队发现，通过保持前缀稳定，并强制只允许追加和确定性更新，KV 缓存命中率能大幅提升。他们的 Agent 在处理 50 次工具调用时，输入输出比达到 100:1，缓存节省的成本非常可观。
要让 Claude 的缓存机制生效，需要满足几个条件：前缀必须字节级完全相同，变动信息必须后置（如时间戳、用户输入），JSON 序列化必须确定性（key 顺序固定），只能追加新内容，不能修改前缀。
以 Claude Sonnet 4.5 为例，缓存命中价格是 0.30 USD/MTok，未命中是 3.00 USD/MTok，差距 10 倍。所以 system prompt、工具定义这些不变的内容要放在最前面，变化的内容放后面。
Compress：压缩和总结
50 条对话浓缩成几句话，保留关键信息，丢弃冗余内容。比如“对对对，就是这里”、“可能是这个问题”等等的对话内容完全可以丢掉。已经解决的中间步骤，同样没必要留着。
但有很多关键信息不能丢，包括：
- 关键决策不能丢，比如“我们选择用 Redis 而不是 Memcached，因为需要持久化”。
- 错误信息不能丢，比如“在第 45 行发现空指针异常”。
- 用户偏好也不能丢，比如“用户希望优先考虑性能而不是可读性”。
Anthropic 的研究 Agent 有多个子 Agent，每个完成任务后会生成一个摘要。主 Agent 不需要看 50 页的实验记录，只需要看“实验结论：方法 A 比方法 B 快 30%，但内存占用增加 15%”这样的总结。
过度压缩会丢失关键信息。比如用户说“别用那个库，上次出过安全漏洞”，这种细节很重要，但容易在压缩时被丢掉。所以压缩前要分析重要性，保留关键决策、错误信息、用户偏好。
Retrieve：按需加载
不把所有信息都塞进上下文，而是建立索引，需要时再检索。
编辑器类产品（如 Cursor）通常会做预检式的内容组装。当你要求“优化这个函数的性能”时，它不会把整个代码库都加载进来。它会分析当前函数的调用关系，检索相关的函数定义，查找类似的优化案例，把这些精选内容组装成上下文。
检索通常有三个层次：
- 语义检索，通过向量相似度找相关内容。
- 结构化检索，通过 AST、调用图找依赖关系。
- 混合检索，结合上面两种，加上关键词匹配。
这里有个权衡。召回多了有噪音，召回少了遗漏信息。检索越精细越慢，但质量越高。给的上下文多，AI 推理的空间就小。Windsurf 团队强调，生产环境的 RAG 要求更高，需要多轮迭代优化。他们的经验是，宁愿检索精确一点，也不要为了速度牺牲质量。
我之前在做 RAG 时用纯向量检索时也踩过坑，召回了一堆看起来相似但不相关的内容，AI 被带跑了。后来改用混合检索，再加上重排序模型，效果好了很多。
Isolate：隔离上下文
多个 Agent 各管各的上下文，避免互相干扰。
Anthropic 构建的研究 Agent 系统采用了“Lead agent + 并行 sub-agents”的架构。Lead Agent 负责总体协调，而不同的子 Agent 分别负责研究、分析、撰写等环节。每个 Agent 维护自己的上下文窗口，子 Agent 之间不需要知道彼此的所有细节，只需要完成各自的任务并将结果交给 Lead Agent。
什么时候该隔离？任务可以独立完成，上下文不需要共享全部细节，单个上下文窗口不够用。
什么时候不该隔离？需要频繁协调，上下文高度相关，任务很简单的情况。
Cognition AI 的 Walden Yan 写过一篇文章《Don’t Build Multi-Agents》，警告说多 Agent 系统的协调成本很高。如果任务本身不复杂，不要为了“看起来高级”而强行拆分 Agent。
我曾经把一个简单任务拆成 5 个 Agent，结果光是 Agent 之间传递消息就花了大量时间。
写在最后
在有限的上下文空间内，为大模型提供最合适的信息和工具，是上下文工程需要解决的核心问题。为此，可以采用多种策略，如 Offload、Cache、Compress、Retrieve、Isolate 等。
在实际应用中，通常需要将多种策略结合使用。例如，Offload + Retrieve 适用于长任务，将中间结果 offload 到文件中，需用时通过文件路径检索；Cache + Compress 适用于高频对话，缓存 system prompt 和工具定义，并压缩历史对话内容；Isolate + Cache 适用于复杂流程，让多个 Agent 各自管理上下文，并在每个 Agent 内部使用缓存。
未来如果实现了 AGI，AI 可能会主动理解你的需求，甚至比你更懂你的代码。那时，或许就不再需要上下文工程了。AI 会像人类一样自主管理记忆，记住该记住的，忘掉该忘掉的。但在现阶段，上下文工程仍然是必不可少的。
相关资源：
- Karpathy 推特：https://x.com/karpathy/status/1937902205765607626
- Chroma Context Rot 研究（18 模型评测）：https://research.trychroma.com/context-rot
- Manus Context Engineering 实践：https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus
- LangChain Context Engineering：https://blog.langchain.com/the-rise-of-context-engineering/
- LangChain 多 Agent 系统指南：https://blog.langchain.com/how-and-when-to-build-multi-agent-systems/
- Cognition - Don’t Build Multi-Agents：https://cognition.ai/blog/dont-build-multi-agents
- Microsoft Research 多轮对话研究：https://www.keywordsai.co/blog/how-to-fix-it-when-llms-get-lost-in-multi-turn-conversation
- Anthropic 多 Agent 研究系统：https://www.anthropic.com/engineering/multi-agent-research-system
- Anthropic MCP 代码执行：https://www.anthropic.com/engineering/code-execution-with-mcp
- 12-Factor Agents：https://github.com/humanlayer/12-factor-agents
- Google DeepMind Context Engineering 指南：https://docs.google.com/document/d/1JU8w-E4LlseFZm-ag22GSBU5A2rp2nb7iFGBNAbFL7k
欢迎长按下面的二维码关注 Feisky 公众号，了解更多云原生和 AI 知识。
