context-engineering

Context Engineering - 优化 AI 代理上下文配置的系统方法

技能概述

Context Engineering 是一套优化 AI 代理（如 Claude、Cursor、GitHub Copilot）上下文配置的实践方法，通过精心管理代理看到的信息、时机和结构，在上下文过少导致的幻觉和上下文过多导致的注意力分散之间找到平衡点，显著提升 Agent 输出质量。

适用场景

1. 新项目初始化时

在开始 AI 辅助开发前，通过 CLAUDE.md 或等效的规则文件定义项目的技术栈、命令、代码约定和边界，让代理从第一次交互就遵循项目规范，避免后期反复纠正。

2. Agent 输出质量下降时

当代理开始产生幻觉、编造不存在的 API、忽略项目约定或重复实现已有功能时，使用上下文工程方法重新梳理规则文件、刷新相关源文件示例，恢复代理输出质量。

3. 切换任务或代码区域时

从项目的认证模块切换到任务模块时，有针对性地加载该区域的架构文档、关键源文件和模式示例，避免代理混淆不同模块的约定和模式。

核心功能

上下文层次化管理

将上下文按持久性分为五个层次：规则文件（项目级） → 规范文档（功能级） → 源文件（任务级） → 错误输出（迭代级） → 对话历史（累积级）。每个层次在适当时机加载，确保代理始终看到最相关的信息而不会因上下文过多而失去焦点。

多工具规则文件支持

为不同 AI 编码工具提供规则文件模板：Claude Code 的 CLAUDE.md、Cursor 的 .cursorrules、Windsurf 的 .windsurfrules、GitHub Copilot 的 .github/copilot-instructions.md，统一覆盖技术栈、命令、代码约定、边界条件和模式示例，让项目规则在所有工具中一致生效。

混淆显式化管理

当规范与现有代码冲突、需求不完整或存在多种实现路径时，不依赖代理猜测，而是使用结构化的混淆管理模板（如选项列表、内联计划）明确展示冲突并寻求人工决策，避免代理在歧义中做出错误选择。

常见问题

什么是上下文工程，为什么它对 AI 代理很重要？

上下文工程是刻意管理 AI 代理所见信息的实践。代理的输出质量直接取决于它接收到的上下文——上下文太少会使其编造不存在的 API（幻觉），上下文过多会使其失去焦点。通过精心选择信息、控制加载时机和结构化呈现方式，上下文工程让代理始终在合适的上下文窗口中工作，显著提升代码生成质量和对项目约定的遵循度。

AI 代理为什么会产生幻觉，如何避免？

幻觉通常发生在上下文不足时代补缺失信息。当代理不知道项目约定、API 结构或存在哪些工具时，它会"猜测"这些信息，导致编造不存在的导入、忽略命名规范或重新实现已有功能。避免方法包括：在项目根目录创建规则文件（如 CLAUDE.md）明确技术栈和约定；在任务开始时加载相关的源文件和模式示例；当代理输出不符合预期时，检查是否缺少关键上下文而非简单纠正输出。

上下文太多会影响 AI 代理的性能吗？

是的。研究表明，超过 2000 行非任务相关的上下文会导致代理性能下降，表现为注意力分散、忽略关键约束或产生不一致的输出。上下文工程采用"选择性包含"策略：只加载当前任务直接相关的文件和规范片段；使用分层摘要替代完整文档；在任务切换时刷新而非累积上下文。目标是保持代理在"最佳上下文窗口"中工作，而不是最大化上下文量。