现在很多 Context Engineering 谈的是如何构建 AI Agents 用到的技术,对于普通人未必适用,我总结了一点普通人使用 AI 时用得上的 Context Engineering。
Context Engineering 核心是两点:
一、更少的上下文
二、更准确的上下文
一、更少的上下文
这条有点反常识,现在提示词都超长,似乎提示词不长就不好了,但实际上,提示词太长会影响生成结果,产生幻觉,尤其是太多无关的内容在上下文更会如此。
对此两点注意的:
1). 多开新会话而不是同一个会话一直聊
当你会话太长,后续你发的内容,AI 不容易抓住重点,可能会忘记你前面说的,最好是到一定程度,让 AI 帮你总结一下重点,然后新开会话。如果是和当前会话无关的任务,直接新开会话。
2). 一次一个小的任务,而不是太复杂的任务
这有点像人,当你任务太多太复杂,AI 很难完成好,但是你让 AI 一次完成一个小任务,就好很多。
二、更准确的上下文
准确的上下文好理解,就是让 AI 更准确的知道你想要什么,以及它有完成任务所需要的信息
要让 AI 获得更准确的上下文,有两种主要方式,这两种方式互为补充。
一种就是我们提供准确和充足的上下文给 AI,另一种就是让 AI 帮我们找到上下文。
- 我们提供准确和充足的上下文给 AI
AI 并不知道我们知道的信息,所以我们需要主动告诉AI我们知道它不知道的信息,比如说让AI帮我写简历,那我得把我的信息都告诉AI,不然它也写不出来。
使用AI写代码,一个实用的技巧就是把你知道的相关的文件都提供给它参考,让它可以读到文件内容,这样它就不会遗漏重要信息。
- 让 AI 帮我们找到上下文
现在 AI Agent 都有能力帮我们找上下文,但能力有好优化,对于普通人来说,这几点直观重要:
1). 选擅长 Agent 任务模型
Claude 4 Opus/Sonnet, OpenAI o3 是 Agent 效果最好的,现在国产的很多专门为 Agent 优化过的模型也很强了,比如 Doubao Think 1.6, GLM 4.5, Kimi K2 等等
2). 为 AI 提供合适的工具
Agent 最重要的就是有工具能力,能借助工具去找上下文,但是它只有内置的几个工具,有时候需要你提供额外的工具会更有效,比如现在的 MCP 工具,可以让 AI 访问到一些内部的数据,或者操作浏览器等等。
编程的时候,我自己有个常用的技巧:就是让 AI 写测试代码,并告诉AI如何测试单个文件,这样 AI 就可以自己去验证自己写的结果,实现完功能写测试,写完测试运行,运行出错去修复,直到完成,这样不需要太多干预就可以得到不错的结果,当然还是要人工审查一下,有时候 AI 为了通过测试会无所不用其极……
3). 让 AI 先做计划,避免在错误的方向越走越远
对于复杂一点的任务,如果AI方向错了,就会在错误的方向越走越远,白白浪费tokens,现在像 Claude Code 这样的AI Agent都会有Plan mode,就是先做计划,做完计划仔细看一下计划内容,如果方向不对,就需要让它改正,或者直接重开新会话,调整提示词,让 AI 搞清楚正确的方向是什么,方向对了再去执行。
上面就是我整理的一点经验技巧,希望对你有用,也欢迎交流分享。