Anthropic 谈 AI 智能体的有效上下文工程
Anthropic 应用 AI 团队撰文提出，上下文工程是提示词工程的延续，核心是在有限注意力预算下挑选最小的高信号 token 集合。
推荐理由：Anthropic 官方给出上下文工程的系统方法，含压缩、笔记与子智能体三种长任务策略的取舍。
上下文与记忆
全部主题CLAUDE.md、AGENTS.md、上下文压缩、记忆管理，让 Agent 知道该知道的。
最新精选
第 61–64 条 · 共 64 条Hacker News · Context Engineering 讨论精选AI 评分7676
Jesse Vincent精选AI 评分6666 用 GraphViz 的 dot 语言重写 CLAUDE.md 规则
作者把原本一大段文字的 CLAUDE.md 规则改写成 GraphViz 的 dot 流程图，用带引号的字符串做节点名、用不同形状区分决策、命令和警告，并给每个流程加上明确触发条件。
推荐理由：作者把 CLAUDE.md 规则改写成 GraphViz dot 流程后，Claude 对规则的遵循表现更好，这套做法可以迁移到自己的项目。
Hacker News · Context Engineering 讨论精选AI 评分8787 Manus 的 AI 智能体上下文工程经验：六条实践原则
Manus 团队分享了构建 AI 智能体过程中总结的上下文工程经验，核心是围绕 KV 缓存设计、用遮蔽而非移除管理工具、把文件系统当作上下文、通过复述待办事项操控注意力、保留错误内容以及避免被少样本示例困住。
推荐理由：Manus 团队把四次重写代理框架的经验归纳成六条上下文工程原则，可直接对照自己的 Agent 实现。
Hacker News · Context Engineering 讨论精选AI 评分7878 智能体的上下文工程：写入、选择、压缩与隔离四类策略
Lance Martin 撰文把智能体的上下文工程归纳为四类策略：写入（用 scratchpad、记忆把信息存到上下文窗口之外）、选择（按需拉入记忆、工具描述和知识）。
推荐理由：文章把智能体上下文管理归纳为写入、选择、压缩、隔离四类策略，并给出各家产品的具体做法，便于对照现有工作流。