READING GUIDE
Agent 上下文工程
上下文工程关注每一步模型调用能看到什么，以及信息如何随任务推进而变化。阅读时可以分别追踪信息的来源、进入窗口的条件、保留期限和恢复方式；这样既能理解提示词的作用，也能看到检索、文件系统与会话管理各自承担的职责。
把上下文看作持续管理的状态
先从概念文章了解上下文的范围，再用“写入、选择、压缩、隔离”梳理可用策略。Anthropic 的实践进一步解释了工具、消息历史和外部数据如何共同占用窗口。重点是判断当前决策需要哪些信息，以及压缩或隔离会丢掉什么，不能只用 token 数量衡量质量。
- 上下文工程的兴起LangChain
- 面向 Agent 的上下文工程LangChain
- 面向 AI Agent 的高效上下文工程Anthropic
比较知识检索与动态发现
知识库检索和运行中的上下文发现处理的是不同环节。先看上下文检索如何为文档块补足语义背景，并结合关键词检索与重排序；再看 Cursor 如何让 Agent 按需读取工具结果、聊天历史和终端输出。比较两者时，关注信息是否可找到、可理解，以及是否需要立即加载。
保留能支撑下一步决策的信息
Manus 的案例将上下文选择与缓存、文件系统、错误记录和注意力管理联系起来；Claude Code 的最佳实践则展示如何组织指令、清理会话并提供验证依据。阅读时可对照自己的任务，区分稳定规则、当前进度与临时输出，思考哪些内容应常驻、按需读取或在交接时保留。
- 上下文工程实践：构建 Manus 的经验教训Manus
- Claude Code 最佳实践Anthropic
本专题全部资料与文章
- 面向 AI Agent 的高效上下文工程Anthropic
- 上下文工程的兴起LangChain
- 面向 Agent 的上下文工程LangChain
- 上下文检索Anthropic
- 上下文工程实践：构建 Manus 的经验教训Manus
- 动态发现上下文Cursor