资讯标签

#上下文工程

2026年5月8日

上下文工程实战：让 AI Agent 在超长对话中不失忆的三大策略

GPT-5.5 等模型虽推理强劲，却常因“上下文衰退”在长任务中遗忘关键信息。文章剖析滑窗截断、分层摘要及记忆卸载三大策略，指出单纯扩大窗口无效，需构建外部记忆架构。通过热温冷三层结构与增量更新机制，可显著提升多步骤工程任务的稳定性与 Token 利用率，为开发长程 AI Agent 提供核心设计思路。

提示词工程已死，上下文工程崛起：Karpathy 最新演讲透露的信号

4 月 30 日，Karpathy 在 Sequoia Ascent 2026 提出 Software 3.0 概念，指出 2025 年 12 月已成为 Agentic 拐点。核心变化在于工作流从编写代码转向编排 Agent，上下文窗口成为新程序杠杆。他强调 AI 落地速度取决于场景是否具备自动化验证信号，而非单纯模型能力。开发者应关注任务的可验证性与训练数据分布，普通用户则需尝试将完整宏观任务交付给 Agent。

2026 年提示词工程的十大技术家族与实战心法

提示词技术清单已近百种，死记硬背不如掌握“何时用”。文章将技巧归纳为十大家族：设定、结构、示例决定输入，推理、分解引导思考，检索、智能体连接外部世界，验证、约束、元处理保障可靠性。生产级提示词通常组合多个家族，先诊断问题所属家族再选具体手法，比盲目尝试更高效。

代码 Agent 的上下文减肥药：SWE-Pruner 是怎么让模型少看多想的

针对代码 Agent 上下文昂贵且易迷失的痛点，SWE-Pruner 提出模仿人类“选择性略读”的策略。该方案通过任务目标引导剪枝，利用 0.6B 小模型动态筛选关键代码片段，而非依赖破坏语法的固定指标。实测显示，其在 SWE-Bench 等任务中 Token 消耗降低 23% 至 54%，成功率反而提升。这一思路为长代码处理提供了新方向，尤其适合需要本地部署或边缘计算的 Agent 落地场景。

写规格说明，不写代码：Logic 如何用 500 字 spec 把模型指令遵循率拉高 6 个点

西雅图创业公司 Logic 上线 spec 驱动 Agent 平台，用自然语言规格说明替代复杂工程。实测显示，在 IFBench 基准测试中，仅凭 500 字规范配合其自动化 harness，Gemini 3.1 Pro 性能提升 6 个百分点并登顶榜单。该平台将输入验证、契约执行等基础设施产品化，支持主流模型路由。对于正在开发 Agent 的团队，这证明优化约束描述比盲目升级模型更有效，目前已有超 250 家机构使用。