用途：为 AI 智能体设计与提示工程提供标准与上下文工程原则，适用于提示结构设计、上下文管理、智能体配置与 LLM 提示最佳实践等场景。
核心理念：上下文工程即策划 LLM 推理过程中的最优 token 集合，目标是找到能最大化期望结果的最小高信号 token 集。
主要原则：一，上下文是有限资源，LLM 的注意力预算有限，上下文增长会导致性能下降，每个 token 都消耗容量；二，优化信噪比，使用清晰直接的语言，去除冗余信息；三，渐进式发现，用轻量标识符替代完整数据转储，按需动态加载详细信息。
结构化标准：建议使用清晰的 Markdown 语义分节，包括背景信息（最小必要上下文）、指令（祈使语气、具体可执行）、示例（简洁有代表性，展示而非讲述）、约束（边界、限制与成功标准）。写作风格强调清晰优先于完整、直接表达、使用结构化列表。
上下文管理：采用即时加载，避免完整数据转储；结构化笔记，将重要信息持久化到上下文窗口之外；子智能体架构，将子任务委托给持有最小上下文的专用智能体。
最佳实践清单：使用 Markdown 标题组织、语言清晰简洁、无冗余信息、指令可执行、含具体示例、约束明确、适时即时加载。
反模式：冗长解释、历史上下文堆积、工具定义重叠、过早加载信息、模糊指令（如 might、could、should）。
依据：Anthropic《Effective Context Engineering for AI Agents》。具体安装命令与代码示例暂未提供。