> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/context_engineering_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/context_engineering_guide/di-si-bu-fen-gong-cheng-shi-zhan-yu-wei-lai-yan-jin/13_cases/summary.md).

# 本章小结

本章先通过医疗、金融、法律、教育四个行业案例，展示上下文工程在垂直领域的落地方式；最后再用一个跨行业的全自主智能体架构示意，说明当任务跨度更长、工具更多、状态更复杂时，如何把“可用信息”进一步组织成“可控上下文”。

## 关键概念清单

| 概念            | 定义               |
| ------------- | ---------------- |
| Grounding（接地） | 让回答受限于可追溯的事实来源   |
| 负面约束          | 明确禁止编造、越权、越界的规则  |
| 时序相关性         | 与时间强相关的信息选择与排序策略 |
| 权限与隔离         | 控制可见数据范围，降低越权与污染 |

## 核心观点

1. **医疗：正确性优先**：强调引用溯源、拒识与严格边界，避免幻觉。
2. **金融：多源异构与时效性**：强调动态更新、冲突仲裁与可审计。
3. **法律：结构与逻辑依赖**：条款级切片、引用展开与结构化审查清单至关重要。
4. **教育：记忆与个性化**：学生画像与知识状态需要长期维护，并随任务动态注入。
5. **跨行业架构：环境与隔离同样关键**：长程智能体往往需要把文件系统、任务拆分和上下文压缩结合起来，而不是单靠更长的上下文窗口。

## 常见误区

* **误区一**：直接把行业文档塞进 RAG 就能用 **正解**：行业场景往往需要结构化预处理、元数据与权限治理。
* **误区二**：只追求“回答像人” **正解**：高风险行业更需要“可验证、可追溯、可拒绝”。
* **误区三**：所有行业用同一套模板 **正解**：不同领域的关键约束不同（时序、合规、责任边界、引用规范）。

## 实践建议

1. **先定义风险清单**：明确“哪些错误不可接受”，再倒推上下文策略。
2. **把引用做成默认能力**：让输出自带来源标注与证据片段。
3. **引入权限与数据治理**：尤其是企业/医疗/金融等敏感数据场景。
4. **按场景建立评估集**：用黄金数据集与线上反馈驱动迭代。

## 预告

下一章将进入综合实战，串联全书方法，构建企业级知识库问答系统。

***

> 📝 **发现错误或有改进建议？** 欢迎提交 [Issue](https://github.com/yeasy/context_engineering_guide/issues) 或 [PR](https://github.com/yeasy/context_engineering_guide/pulls)。