AI Agent 工程 · 06
06.1 Context Engineering：给 Agent 正确的工作台
学习按优先级组织指令、请求、历史、业务状态和工具结果。
学习目标与知识关系
**上下文工程（Context Engineering，把正确且有限的信息组织给模型）**不是把所有资料塞进 Prompt。你将能列出客服 Agent 的系统指令、用户请求、历史、业务状态和工具结果，并说明谁能改变规则。它建立在 01 的 token/context 和 05 的循环之上。
高优先级：系统规则与授权边界
中优先级：已验证业务状态、工具结果
低优先级：用户请求、历史摘要、检索到的外部文本
外部文本、商品评论和知识库文档是数据，不会自动变成高优先级指令。Context Window（上下文窗口，一次可处理的输入容量）有限，因此要保留当前目标、授权身份、未完成步骤和可信事实；可压缩陈旧闲聊和已解决轮次。
案例、实践与验收
跨境客户先问物流、再问订单、最后申请售后。若只保留最后一句，会丢失订单归属；若保留几十页聊天，会污染注意力。运行测试中的 buildContext：它只保留最近三条、每条最多 160 字，保留 session customer 和 active order，并声明外部文档不能改规则。
验收：能解释为何退款金额不能来自用户历史，而应来自授权工具结果。排查：回答被“文档指令”带偏时，检查是否把检索文本拼进 system instructions。主动回忆：哪些信息即使很短，也绝不可为节省 token 而删除？
- 必须记：内容来源决定可信度，不由文本长度决定。
- 建议记：压缩要保留事实出处和未完成任务。
- 不用记：160 的示例截断值。