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

开始阅读 · 核心内容 · 适合谁读 · 参与贡献

---

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》 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 上下文工程的定义与价值 从提示词工程到上下文工程的演进 LLM 基础：上下文窗口与 Token 理论框架：四大原则与核心策略	第二部分：核心技术与策略 Write — 外部存储与记忆架构 Select — RAG 与检索增强生成 Compress — 摘要与上下文压缩 Isolate — 结构化与隔离设计
第三部分：进阶技术与架构 工具调用与能力扩展 智能体上下文管理 自主检索增强生成 (Agentic RAG) 长上下文模型应用 多模态上下文管理 上下文工程反模式	第四部分：工程实战与未来演进 生产环境的最佳实践 真实系统架构案例分析 项目实战体验 基础设施与未来前瞻 附录 A：评估指标体系 附录 B：工具与技术生态

---

你将学到什么

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。

---

快速开始

在线阅读

👉 推荐：GitBook 在线版

本地阅读

使用 HonKit 构建本地阅读环境：

npm install        # 安装依赖
npx honkit serve   # 启动本地服务

启动后访问 http://localhost:4000 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：实践方法
├── 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

📖 完整目录请查看 SUMMARY.md

---

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》	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》	提示词设计基础，本书的前置读物
《Claude 技术指南》	Claude 的 MCP 协议与工具使用实践
《智能体 AI 权威指南》	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》	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》	开源智能体框架中上下文工程的实战应用

---

参与贡献

欢迎贡献！您可以通过以下方式参与：

• 🐛 提交 Issue — 报告错误或提出建议

• 📝 提交 PR — 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 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 — 上下文工程领域的开创性工作与 MCP 协议

• OpenAI、Google、Meta — LLM 技术的持续创新

• LangChain、LlamaIndex — 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 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！