上下文工程(05):上下文压缩(Compaction)实战
跑过长会话 Agent 的人都见过状态栏上那行 "Context left until autocompact: 32%"。一个排查了 40 分钟的 bug,历史消息里堆满了文件内容、命令输出和试错的工具调用,上下文窗口…
# 标签
共 27 篇文章
跑过长会话 Agent 的人都见过状态栏上那行 "Context left until autocompact: 32%"。一个排查了 40 分钟的 bug,历史消息里堆满了文件内容、命令输出和试错的工具调用,上下文窗口…
上下文工程系列前三篇讲的都是"往上下文里放什么":窗口的物理极限、token 的计量方式、系统提示的信息架构。这一篇换一个视角——不先问放什么,先问放得起多少。Agent 的每一轮请求都是一张账单:system 提示、工…
上篇解剖上下文窗口时留了一个尾巴:窗口里这么多内容,到底哪一块对模型行为的塑造力最强?答案朴素得近乎无聊——系统提示(system prompt)。用户消息一轮一换,工具结果用完即弃,检索片段随问题变化,只有系统提示从第…
上一篇《上下文工程全景》把结论立在了范式层:上下文工程的核心,是把模型的上下文窗口当作稀缺资源来经营。但"经营"的前提是先懂账——窗口里装的到底是什么、按什么单位计价、为什么塞得越多效果反而越差。这一篇从范式下钻到物理层…
《AI Agent 开发》系列 30 篇讲的是"怎么把 Agent 搭起来":工具调用、RAG、记忆、规划,零件一一到位。但真把 Agent 放进生产环境跑长任务,问题就来了——跑着跑着开始"失忆",重复犯过的错,忽略早…

LLMLingua 详解:微软的提示词压缩工具,最高 20 倍压缩大模型的成本与延迟,大多花在冗长的提示词上——检索增强塞进几十段文档、few-shot 示例动辄几千 token,其中很多其实不必送进模型。微软开源的 LLMLingua 专门解决这个问题:用小语言模型对提示词做 token 级压缩,最高 20 倍压缩率且性能几乎不损失,还能顺带压缩 KV-Cache 加速推理。本文从动机、快速上手

Art Direction Daily 详解:每日一种视觉语言的 AI 网页设计日刊随着 v0、Cursor、Lovable 等 AI 建站工具的兴起,"用提示词生成网页"已成为前端新工种,但多数人卡在"提示词写不出风格"。Art Direction Daily(@artdirdaily)正是为这个痛点而生——它是一份"代理式网页设计(agentic web design)"日刊,每天用一种全新视

system_prompts_leaks 详解:60k Star 的 AI 系统提示词泄露合集每家 AI 厂商在用户对话开始前,都会给模型注入一段隐藏的"系统提示词"(system prompt),规定它的人设、能力边界、安全约束与可用工具。GitHub 上的 asgeirtj/system_prompts_leaks 仓库把这些原本不可见的系统提示词逐字收录、按厂商分类、持续更新,已被《华盛顿邮

Claude Code 提示词库:52 个开箱即用的官方提示词用 Claude Code 时,很多人只会问"帮我写个 X"或"修这个 bug"。但面对一个陌生的几万行代码库、一次跨模块的重构、一场线上事故,"怎么问"往往比"用什么模型"更决定 Claude 能不能真正帮上忙。Claude Code 官方维护了一个提示词库(Prompt Library)——52 个精心设计、可直接复制粘贴的提示词,

God of Prompt:30,000+ 工程化 AI 提示词库一个更"工程化"、更商业化的提示词库——God of Prompt。它自称 "The #1 Most Powerful Open Prompt Library",收录 30,000+ 提示词,覆盖 19 大类目、180 个子类、7 大主流 AI 模型(ChatGPT、Claude、Gemini、Grok、DeepSeek、Midjo

prompts.chat:世界最大的开源 AI 提示词库Prompt Engineering(提示词工程)是 AI 时代的核心技能,而谈到提示词资源,prompts.chat 是绕不开的名字。它的前身是鼎鼎大名的 Awesome ChatGPT Prompts——2022 年 12 月最早的提示词库,现已发展为"世界最大的开源 AI 提示词库":143k+ GitHub stars,被 Forbe

Prompt Engineering 2026:从"写咒语"到"写工程""提示工程"曾被视为"写几句好听话哄模型"的玄学,但到 2026 年,它已是一门结构化的工程:分节、用标签、给示例、控格式、为 Agent 与 Skill 设计可循环的指令、用评测驱动迭代。在 Agent 时代,提示不再只是"问问题",而是"给 AI 写一份可执行的说明书"。本文从第一性原理出发,讲透现代提示工程的实战法则。A