以下文章来源于海外独角兽 ，作者Haozhen 海外独角兽 . 研究科技大航海时代的伟大公司。 当下 AI Agent 开发的一大痛点是， 海量的工具调用和 long horizon reasoning 所产生的 long context，严重地制约了Agent 的性能和成本，甚 至会导致模型能力的下降。 在正确的 时间为 Agent 提供正确的信息，是当下 「上下文工程」（context engineering）旨在实现的目标，也是 Agent 开发的核心关键。 这篇文章系统地梳理了来自 LangChain 工程师 Lance Martin、Chroma 的联合创始人 Jeff Huber、Manus、Anthropic、Cognition 等一线团 队的 「上下文工程」 实践经验。 本文来自 「海外独角兽」。 超 14000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。 邀请从业者、开发人员和创业者，飞书扫码加群： 进群后，你有机会得到： 01 Context Engineering 是什么？ 很多人认为 2025 年是 agent 元年，但在实践中，开发者普遍发现虽然 agent 的搭 ...

编译：Haozhen 编辑：Cage 最近这段时间，context engineering（上下文工程）是 agent 开发者中的 buzzword。这个概念由 Andrej Karpathy 提出，引起了很多开发者的共鸣，直指当下 agent 开发的核心痛点：搭建流程看似简单，但在实际运行中，由海量工具调用和 long horizon reasoning 产生的冗长上下文，正成为 agent 性能和成本的巨大 瓶颈，甚至会导致模型能力的下降。 Context engineering 指的就是在正确时间为 agent 提供正确信息的方法论，这个概念覆盖并超越了 prompt engineering 和 RAG，成为了 agent 开发的核心胜负 手。如果把 LLM 类比为计算机的 CPU，那么 context window 就是计算机的 RAM，它处理信息的信噪比直接决定了产品的效果，因为在构建 agent 的过程 中，输入的 context 不仅来自人类指令，还来自 agent 运行中的工具调用和思维链，把内存空间压缩到最关键的信息上就至关重要。 为了深入探讨这一挑战，我们系统梳理了 LangChain 工 ...