教程：追踪提示词、RAG与记忆中的模型输入
AI 总结
这篇教程说明提示词、上下文、检索增强生成和长期记忆如何为模型输入提供不同内容。文章以合成的 Atlas Notes 文档和 Open ETF Agent v0.26.0 为例，指导读者依次检查任务要求是否明确、所需原文是否进入请求、检索材料是否适用，以及召回记忆是否仍然适用。Open ETF Agent 示例使用预设动作模拟模型选择，因此不能说明真实模型的表现。
深度见解
文章提供了一套实用的排查方法，可通过追踪要求、原文、检索内容或记忆信息是否缺失、不适用或已过时，定位错误回答的来源。这有助于更有依据地评估和说明对提示词、检索、上下文构建或记忆所作的调整。
Prompt、Context、RAG、Memory，模型的输入从哪里来？
你让助手比较两版产品指南。它输出了一张整齐的表，却把旧版限制写到了新版上。你补了一句“认真核对”，结果依旧。此时，究竟该继续改提示词，接知识库，还是给助手加记忆？
这几个选择会改变不同的东西。先把一次模型调用展开，问题就容易定位。
下面继续使用入门篇的 Atlas Notes 合成文档。A 版免费导出支持 CSV，B 版增加 Markdown，两版导出都要求联网。我们的任务是比较导出格式和共同限制。这些是教学材料中的设定。
一次回答之前，模型实际拿到了什么
把本轮上下文想成当前工作台。工作台上可能同时摆着任务说明、产品原文、前一次工具返回，以及需要参考的用户偏好。每样材料有自己的用途。