本章小结

本章系统梳理了上下文工程中的三大类反模式：过度压缩、上下文污染与检索失效。避免这些反模式，往往比“再加更多上下文”更能稳定提升效果与可控性。

关键概念清单

概念	定义
反模式	初看合理但会导致效果退化的做法
过度压缩	为节省 Token 牺牲关键信息与约束
上下文污染	将大量无关信息混入上下文，稀释关键内容
检索失败	把“语义相似”误当作“答案相关”，导致召回偏差

核心观点

1. 压缩必须保留关键约束：压缩不是“变短”，而是“提炼”，关键实体与限制条件不应被摘要吞掉。

2. 上下文越多不一定越好：All-in Context 往往引入噪声与注入风险，反而让模型更难对齐目标。

3. 相似度不等于相关性：向量检索对否定、精确匹配与意图差异可能不敏感，需要混合检索与重排序兜底。

常见误区

• 误区一：只要把历史都摘要成一句就行 正解：摘要必须围绕任务保留可执行的约束与结论。

• 误区二：把所有文档都喂给模型让它“自己找” 正解：应先做相关性过滤与结构化隔离，把注意力留给真正关键的证据。

• 误区三：向量检索足够覆盖所有查询 正解：应结合关键词检索、Query Rewrite、重排序与元数据过滤。

实践建议

1. 建立反模式回归集：把历史线上 Bad Case 按“压缩/污染/检索”归因入库。

2. 给关键约束设锚点：预算、禁止项、合规规则等用显式结构长期保留。

3. 默认启用混合检索：对专有名词、否定、数字与代码检索尤其重要。

4. 上线前做注入演练：对抓取数据与用户输入做隔离，验证“指令不可被覆盖”。

预告

下一章将进入生产环境最佳实践，聚焦工作流、性能与成本、可观测性、安全治理与故障排查。