Prompt Engineering 过时了吗?Context Engineering 才是 Agent 成败的分水岭
Prompt Engineering 没有过时,但 Agent 还要管理工具、资料、状态、历史与记忆;Context Engineering 决定模型每一轮究竟看见什么。
阅读文章 →文章分类
共 7 篇文章
Prompt Engineering 没有过时,但 Agent 还要管理工具、资料、状态、历史与记忆;Context Engineering 决定模型每一轮究竟看见什么。
阅读文章 →Context Window 变大只代表能放入更多 token,不代表模型能同样可靠地使用每段资讯;长任务需靠压缩、结构化 artifacts 与按需载入控制 Context Rot。
阅读文章 →Agent 长期记忆会跨对话影响分析,因此企业知识需要来源、范围、核准与淘汰机制;本文提供可直接采用的 Memory 治理框架与 Queued Knowledge 审批流程。
阅读文章 →MCP 用标准化的 client-server 协定连接 AI 应用、资料与工具;本文说明核心元件、安全边界,以及 Lantide 的双向 MCP 用法。
阅读文章 →MCP 只标准化连线,不保证最小权限。本文用 host、credential、scope、capability、approval 与 audit 检查 Agent 资料存取。
阅读文章 →AI Agent 治理要先把使用者、Agent、工具与资料的能力边界划清楚,再配置核准、监控与复原;本文提供可直接填写、测试与指定 owner 的六格能力地图。
阅读文章 →资料表名称与栏位型别只能描述资料长相,无法定义有效客户、营收、转换率与时间窗。本文拆解 AI 分析需要的业务语意,以及如何把口径变成可审阅的分析契约。
阅读文章 →