AI Agent 工程 · 01
01.2 Prompt、Token 和 Context
把模型输入看成有限的工作台：给足任务所需事实，同时避免把无关历史和敏感数据塞进去。
知识定位
本节是 Context Engineering（上下文工程）的前置概念。先理解输入空间有限，才能在之后设计记忆、检索和状态。
一句话定义
**提示词（Prompt）**是给模型的任务说明；**Token（词元）**是模型处理文本的计量单位，不等于一个汉字或英文单词；**上下文（Context）**是当前调用中模型可见的全部信息。
核心原理
模型不会永久记得上一轮对话。每次调用，应用选择哪些系统规则、历史消息、工具结果和知识片段重新放入上下文。上下文有容量与成本限制，也会让模型更容易被无关内容干扰。因此“更多”不等于“更好”。
对客服来说，好的上下文可包含：当前用户的授权状态、这笔订单的必要字段、与问题相关的政策段落、明确的回复格式。它不应包含其他客户订单、整本手册或未经筛选的内部备注。
知识连接
Prompt 说明“怎么做”，Tool 说明“能做什么”，Context 提供“现在知道什么”。三者共同决定本次模型调用，但最终权限仍由后端执行。
实践任务
输入：客户问“我的退款为什么没到？”执行：分别写出“必须放进上下文”“应通过工具获取”“绝不能放进上下文”的信息。预期输出：三组清单。验收标准：清单不含完整支付卡号、其他客户数据或猜测的政策。
主动回忆
当客服连续聊了 50 轮时，为什么不能机械地把全部历史消息都再发给模型？
纸质笔记
- 必须记：Context 是每次调用可见的信息，不是永久记忆。
- 建议记：最小必要上下文原则。
- 不用记：不同模型精确的 token 上限，它会变化。