**上下文工程：构建高效Agent系统的关键技术** （基于Manus系统实践总结） --- ### **一、核心理念：上下文即记忆** Agent系统的性能依赖于其对上下文的管理能力。通过精心设计的上下文结构，可以实现： - **记忆存储**：保留历史决策和环境状态 - **注意力引导**：聚焦关键任务目标 - **错误恢复**：通过上下文反馈优化决策 - **动态扩展**：适应复杂任务需求 --- ### **二、关键技术点解析** #### **1. 文件系统作为持久化上下文** **问题**： - 传统上下文窗口（如128K token）在处理非结构化数据（如网页、PDF）时易溢出 - 长输入成本高，且信息压缩易丢失关键数据 **解决方案**： - **外部记忆存储**：将文件系统作为Agent的“长期记忆” - **按需读写**：模型学会将观察结果写入文件，后续调用时直接读取 - **可恢复性**：保留URL等元数据，即使删除内容也可通过路径恢复 **效果**： - 支持无限长度的上下文存储 - 提升复杂任务的处理能力（如多步骤推理、跨文档分析） - 为SSM（状态空间模型）等新型架构提供基础 --- #### **2. 遮蔽工具选择，而非动态移除** **问题**： - 动态添加/移除工具会破坏KV缓存，导致模型困惑 - 用户配置工具时易引入冗余或错误工具 **解决方案**： - **上下文感知状态机**：通过遮蔽token logits限制动作空间 - **预填充模式**： - 自动：允许调用或不调用函数（`