随着 AI Agent 从工具走向自主体,提示工程已无法满足复杂任务的需求。上下文工程作为新一代构建范式,正在成为产品经理与工程师必须掌握的核心能力。本文系统解析上下文工程的关键组成、技术演进与设计原则,帮助你理解如何在有限注意力预算下,构建更高效、更可控的智能体。在经过几年对应用AI中提示工程的关注后,一个新术语应运而生:上下文工程。利用语言模型构建正变得越来越不侧重于为提示找到正确的词语和短语,而是更多地关注回答一个更广泛的问题:“哪种上下文配置最有可能促使我们的模型产生期望的行为?”上下文指的是在从大型语言模型(LLM)进行采样时包含的一组标记。当前面临的工程问题是如何在LLM的固有约束下优化这些标记的效用,以持续获得期望的结果。有效地驾驭LLM通常需要从上下文的角度进行思考——换句话说:在任何给定时间考虑LLM可用的整体状态以及该状态可能产生的潜在行为。在这篇文章中,我们将探讨新兴的上下文工程艺术,并提供一个改进的思维模型,用于构建可控、高效的代理。上下文工程与提示工程在 Anthropic,我们将上下文工程视为提示工程的自然演进。提示工程指的是为达到最佳结果而编写和组织 LLM 指令的方法(有关概述和有用的提示工程策略,请参阅我们的文档)。上下文工程指的是在 LLM 推理过程中,用于策展和维护最佳标记集(信息)的一套策略,包括可能出现在提示之外的所有其他信息。在早期进行大
...
继续阅读
(31)