Context Engineering 是通过补充、筛选和压缩上下文信息来提升 AI 执行任务质量的工程方法。
定义
Context Engineering 指围绕 AI 任务组织上下文信息，例如动态检索资料、提供历史记忆、压缩长上下文和补充相关文档。
核心要点
- 它主要解决“给 AI 什么信息”的问题。
- 常见手段包括向量数据库检索、历史记忆压缩和相关文档注入。
- 它与 Prompt Engineering 互补：Prompt 定义任务表达，Context 提供任务材料。
相关概念
应用或例子
在本地知识库问答、研究材料分析和长任务协作中，Context Engineering 决定模型能否获得足够准确、相关、不过载的背景信息。
纠偏材料与上下文选择
修复对话可以提供最初假设、实际偏差和最终有效约束。应先提取可复用规则与证据，再按当前任务加载；原始长对话不必全部进入每次会话。
工程决策记录 保存取舍原因；another-workbench 的树状对话展示了显式选择历史分支的另一条路线。两者都改变模型可见材料，但不能由此推断增加上下文必然提高质量。