上下文工程

可乐ea7 天前
服务器·数据库·笔记·ai智能体·提示词工程·上下文工程·记忆系统
智能体记忆该拆成几层:笔记、记忆表示与注入上下文原文:Anthropic Research - 《The components of agent memory》(https://www.anthropic.com/research/components-of-agent-memory)
Flynn Liang8 天前
langchain·rag·langchain4j·rerank·上下文工程·引用溯源
Rerank 与上下文工程:重排、压缩与引用溯源的收益边界一句话结论:Rerank 解决的是“排序”,不是“召回”。它的收益取决于初召回质量与候选集大小;上下文工程的核心不是“塞更多”,而是“放对位置、去掉噪声、可溯源”。
神奇的代码在哪里13 天前
大模型·claude·ai agent·上下文工程·agent记忆
Agent 记忆的组成部分:Anthropic The components of agent memory 文章的简要解读Anthropic Engineering 团队于 2026 年 11 月 6 日发布了《The components of agent memory》,讨论一个正在变得具体的问题:Agent 该把什么留到下一次会话,以及这些留存物由谁来整理。本文把原文的核心概念与几组关键证据作简要介绍,并写下几点我自己的理解。
衡石科技15 天前
安全·chatbi·上下文工程·data agent
让多轮分析沿用正确口径:衡石 Data Agent 的上下文工程一次经营复盘通常包含连续追问:先看销售额,再拆区域,随后对比同期,最后检查某个产品。用户希望助手能理解“继续看刚才的数据”,也希望切换时间或组织后,旧条件不会悄悄影响新结果。
YYYing.17 天前
人工智能·python·ai·agent·上下文工程
【Agent系列 (十一) 】上下文工程⭐️名不显时心不朽,再挑灯火看文章。个人主页 :YYYing.⭐️Agent系列专栏:从零开始的agent学习
可乐ea23 天前
架构·ai智能体·上下文工程·agent架构·子智能体·单agent循环
子智能体该不该并回主循环:一份架构取舍清单原文:Anthropic Blog - 《Building agents: When to fold subagents into your main agent loop》(https://claude.com/blog/building-agents-when-to-fold-subagents-into-your-main-agent-loop)
for_ever_love__1 个月前
llm·agent·提示词·设计·context·engineering·上下文工程
上下文工程:比提示词工程更重要的事提示词工程问的是"这句话该怎么说"。 上下文工程问的是"该给模型看什么"。后者对效果的影响,往往比前者大一个数量级。
ZGi.ai1 个月前
知识检索·aiagent·上下文工程·zgi·agentruntime·项目简报
Agent 一次要读多少资料?做项目简报时,Agent 一次要读多少资料,没有统一的文件数量标准。应先明确简报要回答的问题,把任务约束保留在上下文中,再读取当前步骤需要的资料。涉及进度,就查进度记录;涉及变更,就补上变更单和关联记录。只有相关证据不足,才扩大读取范围,不能用“文件都传进去了”代替覆盖检查。
可乐ea1 个月前
数据挖掘·数据分析·ai智能体·上下文工程·数据分析智能体·agentharness·工具调用设计
小模型也能做数据分析智能体:把 harness 收窄做小原文:NVIDIA Technical Blog - 《Building Reliable Data Analytics Agents: Lessons from the KDD Cup》(https://developer.nvidia.com/blog/building-reliable-data-analytics-agents-lessons-from-the-kdd-cup/)
I Am a robert girl2 个月前
人工智能·大模型·gemini·ai工程化·上下文工程·rsi·工具链集成
谷歌迈出RSI一大步:从Gemini模型迭代看AI工程化的新风向从今天觉醒,技术赋予每一个人数字生命近期,行业内关于“Gemini模型迭代登顶,谷歌在RSI(相对优势指数,此处代指大模型综合相对竞争力指数)上迈出一大步”的讨论热度居高不下。抛开各种情绪化的“AI军备竞赛”叙事,作为技术开发者,我们更应该关注这些技术跃升背后的工程范式转移。大模型的能力天花板正在被不断推高,但这对于普通开发者、在校学生和转行者意味着什么?我们该如何在这个快速变动的技术周期中找到自己的生态位?
XLYcmy2 个月前
自然语言处理·prompt·embedding·token·cot·tokenization·上下文工程
大语言模型(LLM)核心技术梳理:从词元化到 RAG 的工程实践Token(词元)是文本的基本单位。Tokenizer 的作用是把清洗后的文本字符串切分成有意义的基本单元序列,并构建词表(vocabulary)。例如句子 "I want a beer! Beer is cute!" 会被切分成 ["I", "want", "a", "beer", "!", "Beer", "is", "cute", "!"] 等 token,再映射为整数索引,形成训练数据。
markvivv3 个月前
人工智能·上下文工程
读《OpenViking:上下文数据库架构介绍》有感前阵子在改造基于 RooCode 的本地知识库查询时,我曾做过一个尝试:把文件的路径、所属项目以及代码块的方法名等元数据,显式地写入到向量存储中。当时的目的很简单——在代码知识库这种场景里,纯粹依靠向量做相似度检索时,召回内容的相关度太低了。
thesky1234563 个月前
智能体·上下文工程·上下文压缩·context engineering·上下文预算·记忆取舍·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"。
小田学Python3 个月前
大模型·ai agent·上下文工程
上下文工程:Agent 的“工作台”收拾好没两个人用同一个大模型做 Agent,一个稳一个傻。差别往往不在模型,而在“工作台上摆了什么”。上下文工程,就是 Agent 最重要的工程能力之一。
小小工匠4 个月前
llm·上下文工程
LLM - 大模型上下文窗口管理的那些事:从长度焦虑到上下文工程上下文窗口曾经是模型能力的天花板,如今它更像是一门需要精心经营的资源管理艺术。当模型的注意力有了标价,如何在有限的窗口里放对信息、放好信息,成了决定 Agent 成败的关键。
正在走向自律4 个月前
人工智能·ai编程·ai代码生成·上下文工程·ai辅助研发·skills封装经验
AI 辅助研发内部复盘(4/5):约束、上下文与技能——把“人的判断”工程化在前三篇复盘中,我们探讨了工具选型、老项目改造路径以及人机协作边界。然而,随着 AI 在团队内的普及,一个新的瓶颈逐渐浮现:AI 的“幻觉”与“发散”。它经常写出不符合团队规范的代码,或者在重构时破坏隐式的业务规则。本篇作为系列复盘的第四篇,将聚焦于 上下文工程(Context Engineering) 与 约束管理(Constraint Management)。我们将论证,AI 辅助研发的高级阶段,本质上是将人类工程师的经验、判断与底线,转化为 AI 可执行的“法律”。文章将通过三个硬核的代码案例——基
llwszx4 个月前
java·后端·python·agent开发·上下文工程·上下文裁剪·滑动窗口裁剪
【Java/Go后端手撸原生Agent(第七篇):Token预算管理 + 滑动窗口上下文裁剪】系列目录:[Phase 1-2 基础框架] → [Phase 3 状态机+文件读取] → [Phase 4-6 原生FC+Judge校验] → [Phase 5 多工具并行+BashTool] → [Phase 6 流式输出] → Phase 7 Token预算与上下文管理(本文) 上一篇链接:Java/Go后端手撸原生Agent(第六篇):流式输出让Agent思考过程"看得见"
llwszx4 个月前
java·后端·python·agent开发·上下文工程·上下文压缩·上下文管理
【Java/Go后端手撸原生Agent(第八篇):摘要压缩——让Agent“记要点“而不是“记流水账“】系列目录:[Phase 1-2 基础框架] → [Phase 3 状态机+文件读取] → [Phase 4-6 原生FC+Judge校验] → [Phase 5 多工具并行+BashTool] → [Phase 6 流式输出] → [Phase 7 Token预算与滑动窗口] → Phase 8 摘要压缩(本文) 上一篇链接:Java/Go后端手撸原生Agent(第七篇):Token预算管理 + 滑动窗口上下文裁剪