企业官网建设流程全解析

之前介绍了什么是上下文工程及其重要性，接下来我们讲如何有效优化上下文工程。

如图，优化策略通常分为四类：写入（Write）、选择（Select）、压缩（Compress）和隔离（Isolate）。

写入：将信息保存在上下文窗口之外，需要时再检索

写入功能就是给智能体提供外部的记忆支持。这包括：

• 便笺（Scratchpad）：在执行长期任务时记录关键信息，避免因上下文窗口容量限制（上下文截断）而丢失重要内容。可以通过调用工具将信息写入文件，也可以是运行时状态对象中的一个字段。
• 记忆（Memories）：可以跨多个会话记住信息，实现长期学习和个性化。如 ChatGPT 等产品都内置了根据用户交互自动生成长期记忆的机制。

岔题：我觉得这个过程神似哈利波特中冥想盆的功能（

选择：将相关信息放入上下文窗口

选择策略强调：信息不是越多越好，关键在于提供精准、相关的内容。因为过多的工具或不相关记忆容易导致“上下文混淆”，干扰模型判断。

智能体需要对应从便笺或记忆中选择需要的内容，另外，还需要选择正确的工具和知识。

Q：记忆的类型有哪些？

A：记忆可分为以下三类：

• 语义记忆（Semantic）：提供相关背景的事实
• 情景记忆（Episodic）：过去的经验行为、少量案例（Few-shot）作为示例
• 程序记忆（Procedural）：指令或规则文件用于指导行为

Q：选择记忆的方法有哪些？

A：如嵌入向量（Embeddings）、RAG、grep/file 搜索、基于知识图谱（Knowledge Graph）的检索。

Q：如何选择相关工具？

A：对工具描述应用检索增强生成（RAG）技术，基于语义相似度动态选择最相关的工具。最新研究表明该方法能将工具选择准确率提升3倍。

压缩：仅保留执行任务所必需的上下文

压缩是为了解决上下文过长导致的成本增加、延迟变高，以及性能下降。

有两种方法：

1. 总结 (Summarization)：将大段内容概括成摘要。如 Claude Code 在会话达到上下文窗口 95% 后，会自动运行auto-compact进行总结。总结可以在流程中的特定节点添加，如处理很消耗 Token 的工具输出，或在智能体间传递信息时。
2. 修剪 (Trimming / Pruning)：删除无关或不必要的信息。如只保留最近的几条消息， 或使用一个 LLM 来判断哪些信息可以被安全地移除。

隔离：将上下文拆分

有三种方式隔离上下文：

1. 多智能体（Multi-agent）

将一个复杂任务分解为多个子任务，分配给不同的子智能体处理。该方法实现了“关注点分离”（separation of concerns），每个子智能体仅关注自身上下文、工具与指令，避免上下文中信息交互导致的混乱。好处是表现更好，但同时也会消耗更多 Token，且需要仔细的提示词工程来规划子智能体的工作及之间的协调。

2. 通过环境隔离（Environments）

智能体只负责生成代码，代码的运行和状态管理等操作放在沙盒（Sandbox）中进行，最后只返回需要的结果。

3. 使用运行时状态隔离（State）

定义一个结构化的数据模型（Schema），将不同类型的上下文信息存放在不同的字段中。在 Agent 运行的特定阶段，可以只将部分字段暴露给LLM，而将其他信息隔离在其它字段中，供需要时选择性使用。

结语：

上下文管理通常是构建智能体中最重要的环节。理解以上策略的关键在于：上下文不是免费，也不是无限制的！其中的每个 Token 都会或多或少地影响模型行为。

所以要经常问自己：目前上下文中的内容都值得保留吗？如果不是，就该知道如何优化了。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！