智能体面试准备（六十一）：智能体上下文工程 Context Engineering——上下文预算、压缩、优先级与多轮演进

智能体面试准备（六十一）：智能体上下文工程 Context Engineering------上下文预算、压缩、优先级与多轮演进

引言

前面（五十九）长期记忆、（四十一）记忆架构讲了"记忆怎么存"。本文讲"每次推理把什么放进上下文窗口"------这正是 2025-2026 最热的 Context Engineering。同样的模型，上下文编排好坏，agent 表现能差一个量级。它和提示工程（Prompt Engineering）的区别在于：提示工程雕"一句话"，上下文工程雕"整个窗口的信息结构与取舍"。

一、上下文工程是什么

复制代码

原始信号（记忆 / 工具结果 / 历史 / 环境观测）
        |
        v
   选择 + 压缩 + 排序 + 裁剪
        |
        v
   Context Window   <-- 预算有限
        |
        v
    模型推理 -> 动作

核心矛盾：窗口有限 vs 信息无限。上下文工程的目标，是在预算内把"此刻最该被模型看到的信息"排到最前面。

二、上下文预算与分层

层	内容	是否可压缩	占比建议
System	角色 / 规则 / 工具 schema	否	10%~15%
Tools	可用工具列表	部分（按需展开）	~10%
Memory	长期记忆检索结果	是（摘要）	20%~30%
Working	当前任务 / 计划 / 中间结果	部分	~20%
History	多轮对话 / 工具调用轨迹	是（滚动 / 摘要）	剩余

经验：System 与 Tools 是"骨架"尽量稳定；Memory 与 History 是"血肉"需要动态取舍。

三、压缩与裁剪

常用策略：

摘要压缩：把旧的工具调用轨迹用模型摘要成一段。
截断：保留最近 K 轮，更早的进"冷记忆"。
重要性排序：按 recency + relevance + 任务相关性打分，预算内优先保留高分。

python 复制代码

def pack_context(items, budget_tokens):
    items = sorted(items, key=lambda it: it.score, reverse=True)
    packed, used = [], 0
    for it in items:
        if used + it.tokens <= budget_tokens:
            packed.append(it); used += it.tokens
        else:
            packed.append(it.summarize(remaining=budget_tokens - used))
            break
    return packed

四、优先级与记忆选择

recency：最近的交互更可能相关。
relevance：用 query 对记忆做向量检索（接（五十九）的检索增强记忆）。
importance：用户显式标记 / 被多次引用。
三者加权融合排序，取 top-N 填入 Memory 层。

注意：relevance 高不代表该进窗口------一条和当前任务无关但高度相似的旧记忆可能只是噪声。优先级函数要带"任务相关性"这一强信号。

五、多轮演进与漂移

滚动窗口：固定窗口滑过历史，超出部分摘要归档。
上下文漂移：任务中途转向，旧上下文变成噪声 -> 用"任务 checkpoint"在转向点截断并重写 working 层。
重放 vs 摘要：关键决策（如选中的工具、确认的参数）保留原文防摘要失真；琐碎步骤可摘要。

六、失败模式与评测

常见坑：

Context Overflow：重要工具结果被挤出窗口 -> 动作基于缺失信息。
噪声淹没：低质记忆占满预算 -> 模型被带偏。
摘要失真：关键数值（ID、坐标、金额）在摘要中丢失。

评测：在长程任务上跑"带 / 不带上下文工程"的完成率对比，监控"关键信息命中率"（关键字段是否仍在窗口内）。

七、面试速答

Q：上下文工程和 RAG 什么关系？

A：RAG 解决"从外部知识取什么"，上下文工程解决"取来后 + 历史 + 工具结果一起怎么排布进窗口"。RAG 是上下文工程在 Memory 层的具体手段之一。

Q：长对话怎么不爆窗口？

A：分层 + 滚动摘要 + 关键原文保留；把可重算的信息（如完整工具输出）外置，窗口只留指针 / 摘要。

八、高频追问清单

预算分配比例怎么定？不同任务是否动态？
摘要失真怎么缓解（保留结构化字段）？
工具结果很大（如长 JSON）怎么塞进窗口？
多智能体间上下文如何共享 vs 隔离（接（五十八））？
上下文工程能否用模型自动优化（meta-prompt）？
流式 / 实时场景下上下文如何增量更新？
如何评测上下文工程对最终成功率的影响？
与"提示缓存 / prefix cache"如何配合降本？