一句话定义：AI 的「工作记忆管理术」
大模型没有真正的长期记忆，它做每个决定时唯一能依据的就是「上下文窗口」里的内容——可以理解为它的办公桌桌面。桌面上放了什么，决定了它能干什么：只放一句「写个报告」，它只能自由发挥；放上报告模板、数据来源、受众分析和风格样例，它就能交出合身成果。上下文工程就是管理这张桌面的学问。
上下文工程的四个动作
| 动作 | 解决什么 | 手段 |
|---|---|---|
| 写入 | 该让 AI 看到什么 | 任务书、知识库检索、工具返回、历史纪要 |
| 压缩 | 窗口装不下怎么办 | 长文摘要、结构化状态、阶段性存档 |
| 隔离 | 多任务互不污染 | 子任务独立上下文、分域知识库 |
| 校验 | 防止跑偏忘事 | 目标外挂（钉在系统外）、检查点回看 |
为什么长任务失败，八成是上下文问题
Agent 跑长任务的经典死法：做到第 8 步忘了第 1 步的目标（上下文被中途信息挤爆）、把 A 客户的参数写进 B 客户的方案（多任务污染）、越改越乱回不到正轨（没有检查点）。这些都不是模型笨，是上下文管理缺位。工程化的解法：主目标钉在系统外面每步可见、进度用结构化状态保存、长任务设检查点定期回主线——让 Agent 不靠「记性」也不跑偏。
和硅基员工的关系：不跑偏的工程保障
硅基员工「稳定交付」的底层功夫大量在上下文工程：每个岗位的任务书、知识库检索策略、进度状态、合规约束，都被系统地组织进它每次执行时的上下文里。你看到的是「它干活不跑偏」，背后是上下文工程在托底。这也是为什么同一个大模型，裸用和部署成硅基员工，产出稳定性天差地别。