面向目标的AI智能体上下文治理框架
AI 总结
文章将Anthropic的上下文工程指导整理为一套围绕目标、依据、权限、记忆、探索和进展组织AI智能体上下文的框架。文章通过合成的基金比较场景主张，上下文应保留来源边界并支持下一次有用的判断，而非单纯扩大上下文窗口。文中还区分了模型判断与工具的实际执行记录，并介绍记忆的写入、召回、纠正、过期和遗忘等操作。
深度见解
该框架为AI智能体构建者提供了一种结构化方法，以连接当前目标、可用依据、授权行动、保留历史和剩余缺口。文章同时强调，提示词指导需要与确定性执行和持久记录配合，才能落实边界并核验实际结果。
一个模型可能知道怎样比较基金，却不知道用户这次在意费用还是持仓重叠；可能刚读过一份报告，却不知道下一次调用还能不能看见原文；可能记得用户偏好简短回答，却没注意到用户这次明确要求展开。
这些问题不能只归结为模型“不够聪明”。通用知识与眼前处境之间，还有一段需要系统搭建的联系。
上下文的作用，是让模型在当前这一步知道：要达成什么目标，能够依据什么判断，允许采取哪些行动，以及怎样接着已有工作向前推进。 系统提示词、工具说明、当前资料、记忆和进度，都是这份任务视图的组成部分。它们需要协同，却不能混成一段没有来源和职责之分的背景文字。
Anthropic 在《Effective context engineering for AI agents》中，将工程关注点从提示词措辞扩展到每次推理时的信息选择与维护。[1] 沿着这个方向，我们更关心一个目标导向的问题：不是“还能往窗口里装什么”，而是“为了作出有用的下一步判断，模型此刻需要知道什么”。