上下文工程

摘要

五个来源合成一篇，覆盖 2026-04 到 2026-05 的认知演进：

1. 全景：Context Engineering 的实践分工地图。Skills 只管静态预定义部分，动态数据、海量知识、持久化记忆靠其他实践组合；
2. 本质：Skill 就是预定义 Context 注入，13 种 Context 按生命周期 MECE 切分；
3. 设计法：五要素闭环 + 稳定性四原则 + 高效性三技巧；
4. 流动性：静态锚点与动态协议的正交框架，Skill 能定义协议，不能定义运行时状态。

---

一、全景：Context Engineering 的实践分工

**Context Engineering 是设计和管理 LLM 所需 Context 的系统化方法。**不同实践方式解决不同问题，各有边界，需要组合使用：

Context 特性	实践方式	解决什么
静态（预定义）	Skills、System Prompts、Few-shot Examples	不变的规则、流程、格式
动态（实时获取）	RAG、API 调用、文件读取	实时数据、用户私有数据、外部知识
大规模（海量/超大）	RAG（向量数据库）、Long Context + 分块	10 万+条知识库、超大单文件
持久化（跨 session）	Memory Systems	用户偏好、历史记忆、个性化
动态调整（实时优化）	Conversation Design、Agent 自主决策	复杂交互、自适应、自主 Agent

Skills 的边界

能做到：预定义的工作流程、行为约束、有限领域知识、工具调用方式、输出格式、验证方法。

做不到（及补位实践）：实时数据 → API 调用；用户私有数据 → 文件读取；跨 session 持久化 → Memory Systems；海量知识 → RAG；根据反馈实时调整 → Conversation Design / Agent 决策；超大文件 → Long Context + 分块。

Skills 负责静态预定义的 Context，其余靠其他实践配合。例：智能客服 = Skills（流程/模板/边界）+ RAG（产品知识库）+ API（订单实时状态）+ Memory（用户历史）。

---

二、Skill 的本质：预定义 Context 注入

LLM 做不好某个任务，常见原因有两个：

1. Context 不够，不知道该怎么做；
2. Context 不对，有错误的行为倾向。

Skills 靠注入正确的 Context 应对这两类问题。

13 种 Context：按任务生命周期 MECE 切分

输入阶段（6 种）：我是谁、做什么、我有什么

Context	LLM 需要知道的
角色	我是谁、职责是什么
任务	要做什么、预期结果
工具	脚本、命令、API、调用方式
知识	规则、最佳实践、领域概念
数据	用户提供的具体信息、文件、参数
环境	依赖、前置条件、系统环境

处理阶段（5 种）：怎么做、不能怎么做、为什么

Context	LLM 需要知道的
流程	正常情况的操作步骤
分支	特殊场景、异常情况的处理
示例	完整的输入→输出参考
边界	禁止行为、必做行为、约束条件
原理	设计原则、底层逻辑、为什么

输出阶段（2 种）：输出什么、怎么验证

Context	LLM 需要知道的
格式	结构、样式、字段要求、模板
验证	验证方法、检查点、成功标准

设计 Skill：选择 Context 类型 + 组织内容

四步：诊断缺哪种 Context → 按三阶段选择类型 → 组织内容（单文件/多文件/渐进披露）→ 设计 Bundled Resources（scripts 对应工具 Context、references 对应知识 Context、assets 对应数据 Context）。

渐进披露：三层加载控制成本

Layer 1: Metadata（name + description）  ~100 tokens，常驻，用于判断是否触发
Layer 2: SKILL.md body                    <5000 tokens，触发后加载，核心 Context
Layer 3: Bundled Resources                按需加载，详细知识/示例/工具

---

三、设计方法：五要素、稳定性、高效性

五要素定义骨架

何时触发 → 输入什么 → 怎么执行 → 输出什么 → 结果怎么处理

每种输出都要有明确的后续动作（Critical 立即修、Minor 记录、可以反驳但需技术理由），流程才有闭环。

稳定性四原则

原则	做法	原理
输入标准化	占位符系统（{BASE_SHA} 等），标注含义、格式、必填/可选	防遗漏，强制填充
输出结构化	分类分级 + 标准格式（File:line + 问题 + 建议）+ 最终判定 + 理由	主 agent 可程序化处理
行为边界	DO/DON’T 红黑名单	防止输出质量不稳定
检查清单	标准化 Review Checklist	每次执行覆盖相同范围

高效性三技巧

• 上下文最小化：给 reviewer 精确构造的 context，不带会话历史。历史太长浪费 token、分散注意力，主 agent 还会自我辩护；
• 模板复用：给完整示例，模型会模仿格式，减少格式错误；
• 闭环设计：输入 → 执行 → 输出 → 处理 → 继续/停止，每种结果都有后续动作。

九步设计法与文件结构

九步：定义目标 → 五要素 → 占位符 → 输出结构 → 检查清单 → 行为边界 → 示例 → 闭环 → 触发条件。

三种文件范式：

范式	结构	适用
行为约束型	单文件 SKILL.md	限制 agent 行为、简单规则注入
工作流驱动型	SKILL.md + template.md	调 subagent、多 agent 协作
知识库型	SKILL.md（索引）+ AGENTS.md + rules/	领域知识注入、大量规则

---

四、流动性：静态锚点与动态协议

在 13 种分类（按生命周期）之上加一个正交维度：流动性。长周期运行的 Agent 的 Skill，主要看这一层。

Skill 文件的三层构成

Skill 文件（静态注入）
├── 1. 静态锚点层：不漂移的"操作系统"
│     角色（我是谁）/ 知识（领域规则）/ 行为（DO/DON'T）
│     / 原理（自主决策的"宪法"）/ 参照（标准输入→输出示例）
├── 2. 动态协议层：定义信息如何流动
│     流入协议（从哪个源读数据、读什么格式、何时触发）
│     处理协议（读→执行→判断→回流的路径、异常分支、周期绑定）
│     回流协议（自验证不达标重写、写回共享库、触发下游）
└── 3. 运行时层：Skill 不定义，由 LLM 执行产生
      每轮实际读到的数据/文件状态/自评分数/写入共享库的内容

能力边界：Skill 定义协议，不定义状态

层	谁定义	不定义什么
静态锚点	Skill 设计者	—
动态协议	Skill 设计者预设路径	—
运行时状态	LLM 执行产生	实际数据、自评分数、写入内容

两个典型实现

• Quality Gates（自验证回流）：输出初稿 → 按多维标准自评分 → 达阈值提交，不达标自动重写回流。Skill 定义的是评分标准和回流条件；Agent 自己打的分数、第几次重写才过，是运行时的，Skill 预设不了。
• 共享库写入（跨 Agent 回流）：共享知识库是跨 Agent 的持久化环境 Context。Skill 不能定义库里的内容，但定义了“谁写、谁读、写什么字段、读什么字段”。

稳定性原则的流动性演进

原有四条原则各补一条：占位符的内容来源是流入协议的目标文件；输出结构也是回流协议的写入格式；行为边界是核心的静态锚点；检查清单需包含回流完整性检查。

新增三原则：

• 回流闭环：每种输出都要定义“写回到哪、谁读取、何时读取”，不能产生孤儿输出；
• 自验证嵌入：回流路径中嵌入 Quality Gates，减少人工介入频率；
• 周期绑定：触发可以是事件，也可以是周期（类似 cron），长周期 Agent 需要显式的时间锚点。

设计检查项的增补

在九步法之前加 Step 0：静态/动态分界线检查，哪些 Context 写一次管长期（静态锚点）？哪些需要定义读/判断/回流路径（动态协议）？动态协议的路径是否清晰可执行？之后加回流完整性检查（自验证兜底、写回内容谁读、读的时机）和跨周期连续性检查（上轮输出如何流入下一轮、共享库读写协议是否一致、长期运行会不会膨胀）。

---

关键要点

• Context Engineering 是系统化方法：静态/动态/大规模/持久化/动态调整五类实践分工组合，Skills 只负责静态预定义部分
• Skill 的本质是预定义 Context 注入，应对“Context 不够”和“Context 不对”两类问题
• 13 种 Context 按生命周期 MECE：输入 6（角色/任务/工具/知识/数据/环境）、处理 5（流程/分支/示例/边界/原理）、输出 2（格式/验证）
• 设计 Skill：诊断 → 选择 Context 类型 → 组织内容 → 设计 Bundled Resources；渐进披露三层控制成本
• 稳定高效的 skill：标准化输入 + 结构化输出 + 行为边界 + 检查清单 + 闭环处理 + 示例引导
• 流动性是正交第二维度：静态锚点保下限，动态协议定义信息流的读/判断/回流路径
• Skill 能定义协议，不能定义运行时状态：实际数据、自评分数、写入内容都由执行产生
• Quality Gates 是回流协议的典型实现；共享知识库是跨 Agent 的持久化环境 Context

---

来源

• Context Engineering 实践分工地图
• 13 种 Context 的 MECE 分类
• Skill 设计方法论：五要素、稳定性四原则、高效性三技巧、九步法
• 13 种 Context 的流动性重分类
• 静态锚点与动态协议框架、Quality Gates、共享库