学习资料7.1 从提示工程到上下文工程 - 从零开始学 Agent 上下文窗口管理Context Window Management核心概念、使用场景与实践说明 | Agent Wiki上下文管理的内容首先先明确一下上下文管理在做什么以及上下文中都会有哪些内容。大语言模型的上下文是有限的Agent不能把所有记忆,RAG检索到的东西都塞进去会导致大语言模型输出的质量下降。喂给大语言模型的上下文中主要包含以下内容1.System Prompt 2.User Input 3.对话记忆,也就是一轮轮的对话内容 4.RAG检索到的文档 5.工具调用结果 6.任务状态还有一些别的例如 Skill 和工具的描述.上下文管理的方法LLM 可能在实际工程中问题如遗忘重复偏题。大模型对上下文的敏感程度也不同它对开头和结尾敏感对中间则不敏感。针对有限的上下文我们需要对不同的部分规定限额。例如像下面这样。上下文管理的具体手段1.滑动窗口最简单的方法只保留最近N次对话。2.摘要压缩当对话达到指定轮数时触发摘要压缩将之前的历史压缩成要点 3.语义过滤将当前用户输入和之前的历史做语义上的相似度匹配挑选出最相关的N条放入。面试题一个客服 Agent 需要支持 100 轮以上的长对话同时集成了 40 个工具。请设计窗口管理策略说明如何处理对话历史膨胀和工具描述过载两个问题。答案对话历史膨胀的处理设置滑动窗口保留最近 5-10 轮的完整对话超出窗口的历史按每 10 轮生成一次摘要将摘要链条作为压缩历史保留关键信息如用户姓名、订单号、已确认的需求提取到结构化的会话状态对象中始终保留。工具描述过载的处理实施 Tool Loadout动态工具加载根据用户当前查询的意图分类只加载相关的 5-10 个工具描述研究显示工具超过 30 个时模型的工具选择准确率会显著下降动态加载可提升约 44% 的准确率。预算分配建议系统指令 10% 会话状态 5% 压缩历史摘要 10% 最近对话 20% 动态工具描述 15% 知识检索 15% 输出预留 25%