|
这是基于提示词工程（Prompt Engineering）发展出来的一个新概念，ContextEngineering在提示词时代，整个系统就是两方交互，人和LLM。人给输入，LLM给回应。人通过提示词控制输入从而控制LLM的输出，所以提示词重要。随着AI Agent在实际场景中落地应用，与LLM的交互变得越来复杂。交互方增加：人、历史资料、工具、数据库、会话记忆、LLM等。虽然LLM在整个系统中仍然占据着主要位置，但需要处理的已经不再仅是调整一下发给LLM的提示词了。而且随着大模型能力的提升，对于提示词的敏感度也在下降，所以单次call的提示词也不那么重要了。（不是说不重要）上下文工程更多的是站在系统设计的角度，如何保持这个多方交互的系统的稳定性与准确性。比如，如何应对召回内容过长/混淆/冲突？工具触发加载及返回内容的处理？会话历史的管理和过滤？multi-agent的分工及交互？等等。上面问题的解决方案可能因场景而异，或许都还在探索中，可以参考Refs中资料获取一些灵感。Manus的分享纯干货！因此：提示词工程更多是站在面向LLM的角度，上下文工程则是更多站在面向整个业务系统设计的角度。 |
