# 前言 ## 大模型上下文工程权威指南 **从理论到实践，掌握 AI 时代最核心的工程能力** [![License: CC BY-NC-SA 4.0](https://img.shields.io/badge/License-CC%20BY--NC--SA%204.0-lightgrey.svg)](https://creativecommons.org/licenses/by-nc-sa/4.0/) [![GitHub stars](https://img.shields.io/github/stars/yeasy/context_engineering_guide?style=social)](https://github.com/yeasy/context_engineering_guide) [![Release](https://img.shields.io/github/release/yeasy/context_engineering_guide.svg)](https://github.com/yeasy/context_engineering_guide/releases) ![Last Updated](https://img.shields.io/badge/Last%20Updated-2026.03-blue) [![Online Reading](https://img.shields.io/badge/%E5%9C%A8%E7%BA%BF%E9%98%85%E8%AF%BB-GitBook-brightgreen)](https://yeasy.gitbook.io/context_engineering_guide) [![PDF](https://img.shields.io/badge/PDF-%E4%B8%8B%E8%BD%BD-orange)](https://github.com/yeasy/context_engineering_guide/releases/latest) [开始阅读](#快速开始) · [核心内容](#核心内容) · [适合谁读](#目标读者) · [参与贡献](#参与贡献) ![Context Engineering Guide Cover](https://2119257620-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FfnQWa8Cueu67tM389KzJ%2Fuploads%2Fgit-blob-247baa2be5a638135a4e88b06dcaa15221f534c2%2Fcover.jpg?alt=media)--- ### 为什么需要这本书？ > “提示词工程已死，上下文工程永生。” — 2026 当 LLM 应用从实验走向生产，**单纯的提示词设计已不足以构建可靠的 AI 系统**。 上下文工程解决的核心问题是： ``` 如何在正确的时间，将正确的信息，以正确的格式，提供给模型？ ``` 这本书将带你系统掌握这门 AI 时代最核心的工程能力。 > 💡 **本书与提示词工程的关系**：[《大模型提示词工程指南》](https://yeasy.gitbook.io/prompt_engineering_guide) 聚焦于单次交互中的提示词设计技巧；而本书则关注更宏观的系统层面——如何通过 RAG、记忆架构、工具调用和上下文压缩等工程手段，在生产环境中持续为模型提供高质量的上下文。建议先阅读提示词工程作为基础，再深入本书的上下文工程体系。 *** ### 核心内容 |

第一部分：认识上下文工程

|

第二部分：核心技术与策略

| | --------------------------------------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | |

第三部分：进阶技术与架构

|

第四部分：工程实战与未来演进

| *** ### 五分钟快速上手 “理解上下文窗口”——跟随以下步骤快速掌握核心能力： 1. **认识上下文**（第1-2章）：理解什么是上下文窗口、Token 概念，以及为什么上下文质量影响模型输出 2. **理论框架入门**（第3章）：建立信息环境设计、四大核心策略和上下文评估方法的统一框架 3. **窗口管理实战**（第5-7章）：学习检索、压缩和隔离等关键策略，掌握分块与优化方法 4. **进阶技巧**（第8-10章）：探索工具调用、智能体上下文管理和自主 RAG 的实现方式 *** ### 你将学到什么 {% @mermaid/diagram content="graph LR A\[理论基础] --> B\[核心技术] B --> C\[实战方法] C --> D\[进阶探索] ``` A1[上下文工程定义] --> A A2[LLM 原理] --> A B1[RAG 技术栈] --> B B2[记忆架构] --> B B3[工具调用] --> B C1[生产部署] --> C C2[智能体开发] --> C D1[前沿技术] --> D D2[行业趋势] --> D" %} ``` | 主题 | 你将掌握的能力 | | ---------- | ------------------------------ | | **RAG 系统** | 分块策略、嵌入模型选择、重排序优化、混合检索 | | **记忆架构** | 工作记忆 / 短期记忆 / 长期记忆的设计与实现 | | **工具调用** | Function Calling、MCP 协议、工具设计原则 | | **智能体** | 单/多智能体上下文管理、状态追踪、记忆学习 | | **生产实践** | 性能优化、成本控制、可观测性、安全治理 | *** ### 目标读者 本书适合以下读者： | 角色 | 阅读重点 | | ------------------ | ------------- | | 🧑‍💻 **AI 应用开发者** | 核心技术 + 实践方法 | | ✍️ **提示词工程师** | 理论基础 + 进阶探索 | | 📊 **AI 产品经理** | 第一部分 + 第三部分概览 | | 🏗️ **AI 架构师** | 全书精读，重点关注生产实践 | | 🔬 **研究人员** | 进阶技术 + 未来展望 | > 💡 **前置知识**：建议具备基础编程能力和对 LLM 的基本了解。 ### 学习路线图 {% @mermaid/diagram content="graph LR Start\[上下文工程学习入口] --> Ch1\[第1章：概述] ``` Ch1 --> Role1["AI 应用开发者
第1-3章 → 第4-7章 → 第13章"] Ch1 --> Role2["提示词工程师
第1-3章 → 第8章 → 第11-12章"] Ch1 --> Role3["AI 产品经理
第1-3章 → 第13章 → 第15章"] Ch1 --> Role4["AI 架构师
全书精读，重点第9-10章 → 第13-14章"] Ch1 --> Role5["研究人员
第1-3章 → 第10-12章 → 第15章"] Role1 --> End1["掌握核心技术与生产实践"] Role2 --> End2["从提示词迈向上下文工程"] Role3 --> End3["产品视角的上下文策略"] Role4 --> End4["设计生产级上下文架构"] Role5 --> End5["前沿技术与研究方向"]" %} ``` | 读者角色 | 学习重点 | 核心成果 | | ------------ | ----------------------- | -------------------------- | | **AI 应用开发者** | 第1-3章 → 第4-7章 → 第13章 | 掌握 RAG、记忆架构、工具调用等核心技术与生产部署 | | **提示词工程师** | 第1-3章 → 第8章 → 第11-12章 | 从提示词工程升级为上下文工程，掌握进阶策略 | | **AI 产品经理** | 第1-3章 → 第13章 → 第15章 | 理解上下文工程的产品价值与未来趋势 | | **AI 架构师** | 全书精读，重点第9-10章 → 第13-14章 | 设计高性能、可观测的上下文工程架构 | | **研究人员** | 第1-3章 → 第10-12章 → 第15章 | 掌握长上下文、多模态等前沿技术方向 | *** ### 快速开始 #### 在线阅读 👉 **推荐**：[GitBook 在线版](https://yeasy.gitbook.io/context_engineering_guide/) ### 下载离线版本 本书提供 PDF 版本供离线阅读，可前往 [GitHub Releases](https://github.com/yeasy/context_engineering_guide/releases/latest) 页面下载最新版本。 如需获取默认分支自动更新的预览版，可直接下载 [context\_engineering\_guide.pdf](https://github.com/yeasy/context_engineering_guide/releases/download/preview-pdf/context_engineering_guide.pdf)。该文件会随主线更新覆盖，不代表正式发布版本。 #### 本地阅读 先安装 [mdPress](https://github.com/yeasy/mdpress)： ```bash brew tap yeasy/tap && brew install mdpress mdpress serve ``` 启动后访问 [本地阅读地址](http://localhost:9000) 即可阅读。 #### 阅读建议 ``` 📕 初学者：按顺序阅读全书 📗 有经验者：重点阅读第二、三部分 📘 快速参考：阅读每章末尾的“本章小结” ``` *** ### 目录概览 ``` 第一部分：认识上下文工程 ├── 第1章：上下文工程概述 ├── 第2章：大语言模型基础 └── 第3章：上下文工程框架 第二部分：核心技术 ├── 第4章：写入策略 — 外部存储与记忆 ├── 第5章：选择策略 — 检索增强生成 ├── 第6章：压缩策略 — 上下文优化 └── 第7章：隔离策略 — 结构化设计 第三部分：进阶技术与架构 ├── 第8章：工具调用与能力扩展 ├── 第9章：智能体上下文管理 ├── 第10章：进阶技术与架构 └── 第11章：反模式与常见错误 第四部分：工程实战与未来演进 ├── 第12章：生产环境最佳实践 ├── 第13章：行业应用与架构案例 ├── 第14章：综合实战 - 构建企业知识库问答系统 └── 第15章：未来展望与发展趋势 附录 ├── 附录A：术语表 ├── 附录B：工具与技术生态 ├── 附录C：参考资源 └── 附录D：参考文献 ``` 📖 完整目录请从 [第一章：认识上下文工程](https://yeasy.gitbook.io/context_engineering_guide/di-yi-bu-fen-ren-shi-shang-xia-wen-gong-cheng/01_overview) 开始。 *** ### 本书特色 | 特色 | 说明 | | -------------- | -------------------------------------------- | | 📐 **体系完整** | 15 章内容，从入门到精通的完整学习路径 | | 🔬 **理论与实践并重** | 原理剖析 + 代码示例 + 最佳实践 | | 🆕 **紧跟前沿** | 涵盖 2026 年最新技术进展（Agentic RAG、Graph RAG、MCP 等） | | 📊 **图文并茂** | Mermaid 流程图 + 表格对比 + 结构化示例 | *** ### 推荐阅读 本书是 AI 技术丛书的一部分。以下书籍与本书形成互补： | 书名 | 与本书的关系 | | ------------------------------------------------------------------------ | -------------------------- | | [《零基础学 AI》](https://yeasy.gitbook.io/ai_beginner_guide) | AI 零基础入门，适合缺乏 AI 背景的读者 | | [《大模型提示词工程指南》](https://yeasy.gitbook.io/prompt_engineering_guide) | 提示词设计基础，本书的前置读物 | | [《Claude 技术指南》](https://yeasy.gitbook.io/claude_guide) | Claude 的 MCP 协议与工具使用实践 | | [《智能体 AI 权威指南》](https://yeasy.gitbook.io/agentic_ai_guide) | 智能体的上下文管理是本书技术的核心应用场景 | | [《大模型安全权威指南》](https://yeasy.gitbook.io/ai_security_guide) | 上下文安全（提示注入防御、RAG 安全）的深度参考 | | [《OpenClaw 从入门到精通》](https://yeasy.gitbook.io/openclaw_guide) | 开源智能体框架中上下文工程的实战应用 | | [《大模型原理与架构》](https://yeasy.gitbook.io/llm_internals) | 深入理解大语言模型底层逻辑与架构 | | [《智能体 Harness 工程指南》](https://yeasy.gitbook.io/harness_engineering_guide) | Harness 记忆子系统与上下文组装引擎的工程实现 | *** ### 参与贡献 欢迎贡献！您可以通过以下方式参与： * 🐛 [提交 Issue](https://github.com/yeasy/context_engineering_guide/issues) — 报告错误或提出建议 * 📝 [提交 PR](https://github.com/yeasy/context_engineering_guide/pulls) — 改进内容或修复 typo * ⭐ Star 本项目 — 帮助更多人发现这本书 *** ### 许可证 本书采用 [CC BY-NC-SA 4.0](https://creativecommons.org/licenses/by-nc-sa/4.0/) 许可证。 您可以自由分享和演绎，但需署名、非商业使用、相同方式共享。 *** ### 项目规则 为了保持书稿的专业性和一致性，本项目遵循以下规则： 1. **术语表规范**：本书必须在附录中包含“术语表”（Glossary），用于标注书中出现的关键术语及其解释。 * 位置：`appendix/glossary.md` * 格式：需按字母顺序或拼音顺序排列，包含中英文对照及简明定义。 *** ### 致谢 感谢所有为大模型技术发展做出贡献的研究者与工程师，特别是： * [Anthropic](https://www.anthropic.com/) — 上下文工程领域的开创性工作与 MCP 协议 * [OpenAI](https://openai.com/)、[Google](https://ai.google/)、[Meta](https://ai.meta.com/) — LLM 技术的持续创新 * [LangChain](https://langchain.com/)、[LlamaIndex](https://llamaindex.ai/) — RAG 框架的宝贵贡献 * 所有开源社区的贡献者们 *** **📧 联系作者** 如有问题或建议，欢迎通过 [Issue](https://github.com/yeasy/context_engineering_guide/issues) 联系。 *** *让我们一起探索上下文工程的世界，构建更智能、更可靠的 AI 应用。* **🌟 如果这本书对你有帮助，请给个 Star 支持！**