上下文工程：把注意力当作有限预算

从提示走向完整上下文

Anthropic 的文章把上下文工程描述为：决定模型在某个推理时刻看到哪些信息。系统指令、工具说明、检索结果和历史对话共同争夺注意力预算。

本文原文发布于 2025 年，本站将其归入基础阅读，不把重新整理时间标为新闻日期。它提供方法论，而非某个新模型的能力声明。

检索与压缩都需要保真

原文讨论按需获取信息、压缩历史和结构化笔记等方法。它们能控制上下文体积，也可能丢失关键事实、权限边界或用户纠正。

本站建议将已确认约束与临时工具输出分别维护，压缩后保留来源与不确定性。当任务恢复时，重要且易变化的事实仍应从实际系统核对。

围绕任务结果定义上下文质量

更多上下文不必然带来更正确的结果。先定义验收目标，再判断每段信息是否帮助模型选择下一步动作；工具说明同样需要清晰且可区分。

长任务应记录已完成验证、关键决定和剩余工作。任何记忆都只是上下文线索，不能代替当前版本、当前权限和真实运行结果。

实践检查表

• 按需检索，保留来源和时间。
• 压缩时保护约束、纠正与未决问题。
• 以任务正确率和恢复能力验证上下文策略。