上下文工程：是什么，如何与大模型代理上下文协作，以及为何因此获得报酬

上下文工程是一组在LLM推理过程中收集和维护最优上下文的策略，其中最优上下文是指最小有效令牌集合。它不同于提示工程——后者仅处理指令，而上下文工程管理模型接收的所有内容，包括指令、历史记录、文档、工具、记忆和状态。RAG引入外部知识，MCP（模型上下文协议）标准化与数据和工具的连接，而上下文工程则决定如何将所有内容组合成代理下一步行动所需的上下文。代理的上下文由多个层次构成：用户查询、系统提示、工具、少样本示例、RAG数据、消息历史和工具调用、记忆以及当前状态（草稿板）。尽管现代LLM拥有大上下文窗口，但Chroma的报告“上下文腐败”显示，随着所使用的上下文增长，即使是简单任务的质量也可能下降。Drew Breunig指出了四种典型的上下文故障场景：上下文污染（错误进入上下文并重复出现）、上下文干扰（必要信息在无关数据中丢失）、上下文混淆（模型在相似工具/文档间混淆）以及上下文冲突（没有优先级规则的数据冲突）。LangChain提出了管理上下文的四种操作：写入（将重要信息保存到外部状态）、选择（选择相关内容）、压缩（压缩）和隔离（移至独立上下文）。