用途:Context Engineering 是一套管理 AI 智能体上下文的实践方法,核心是主动管理智能体已知的信息,而不是指望它自行发现所需内容。适用于开始新的开发会话、在无关任务间切换、智能体输出质量下降、上下文窗口接近上限,以及向子智能体委派任务之前。
主要能力与上下文来源:一是规则文件,如 CLAUDE.md、AGENTS.md、.claude/rules/,提供持久的项目级指导,在会话开始时自动加载,需保持简洁可执行;二是上下文打包,开始任务时收集相关源文件(而非整个代码库)、相关测试文件、类型定义与接口、变更区域的近期 git diff,以及已有的规格或计划;三是 MCP 集成,用文档查询工具获取特定库的指导,用搜索工具查找跨仓库模式,优先结构化检索而非把大文件塞进上下文。
使用方式(流程):第一步评估当前上下文,明确智能体已知什么、读过哪些文件、会话启动时加载了什么;第二步识别缺口,确定当前任务需要什么、缺什么、哪些已过时;第三步打包针对性上下文,只加载与当前任务相关的文件,包含被修改接口的类型定义、定义预期行为的测试文件、受影响区域的近期变更;第四步验证上下文质量,确认智能体能否描述受影响代码的当前状态、是否了解该区域的测试策略与相关约束边界;第五步管理上下文预算,监控窗口用量,接近上限时压缩或设检查点,加载新上下文前丢弃过时内容。委派给子智能体时需包含:目标(一句话)、范围(文件与区域)、约束(必须保留或避免的内容)、交付物格式、已知上下文。
限制与注意事项:资料指出搜索成本高且不精确,针对性上下文更快更准;上下文并非越多越好,过量会浪费窗口并增加噪声;上下文需求随任务推进而变化,不能只在开始时加载一次;智能体不跨会话保留知识,每次都要重新打包。资料未提供具体安装命令、收费或平台信息。