📋 上下文工程
Context Engineering、RAG 2.0与上下文失败模式
上下文工程（Context Engineering）是2026年AI工程化最重要的新兴能力。如果说Prompt Engineering是"怎么说话"，那Context Engineering就是"怎么给AI搭建信息环境"。
🔄 Context Engineering vs Prompt Engineering
| 维度 | Prompt Engineering | Context Engineering |
|---|---|---|
| 关注点 | 如何写好一条指令 | 如何设计AI的完整信息环境 |
| 范围 | 单条User Prompt | System Prompt + 检索 + 历史 + 工具 + 记忆 |
| 思维模式 | 修辞学、文案写作 | 系统设计、信息架构 |
| 适用场景 | 对话式交互、单次任务 | 生产级Agent、复杂工作流 |
🧩 上下文核心组成
⚙️
System Prompt
定义AI的角色、行为规则、输出格式等全局指令。是最重要的上下文层。
👤
User Prompt
用户当前请求的具体内容。好的User Prompt是结构化、有约束的。
💬
对话历史
之前的对话轮次。会占用Token但提供上下文连续性。
🔍
检索信息
通过RAG从知识库检索的相关文档片段。是外部知识注入的主要通道。
🛠️
工具定义
MCP/Function Calling的工具描述。告诉AI'你能用什么工具'。
🧠
长期记忆
跨会话的用户偏好、项目知识等。通常通过向量数据库存储和检索。
⚠️ 四类上下文失败模式
☠️
上下文中毒
恶意Prompt注入或误导性信息污染上下文
✅ 输入验证 + Prompt注入防护
😵💫
上下文分心
无关信息占用注意力，导致AI偏离目标
✅ 精简上下文，只保留相关信息
🌀
上下文混淆
多信息源冲突或格式混乱，AI无法正确理解
✅ 结构化组织信息，明确来源优先级
⚡
上下文冲突
System Prompt与User指令矛盾，产生混乱输出
✅ 清晰的指令层级和冲突处理策略
📚 RAG 2.0
RAG（Retrieval-Augmented Generation）从1.0到2.0，核心变化是从"单次检索拼接"进化到"多步推理+知识图谱"。
| 维度 | RAG 1.0 | RAG 2.0 |
|---|---|---|
| 检索方式 | 单次向量检索 | 多步检索 + Agent推理 |
| 推理能力 | 无（纯拼接） | AI驱动多步推理 |
| 知识源 | 文档片段 | 结构化知识图谱 + 文档 |
| 适用场景 | FAQ、简单问答 | 复杂分析、多跳推理 |
🏗️ 知识库构建原则
🔬
原子化
知识粒度最小化
📊
结构化
标签、分类、关联
🔒
权限隔离
按角色/项目隔离