一句话看懂：AI 工程圈正在把注意力从”怎么写出好提示词”转向”怎么管理模型的整个上下文”——因为多数 Agent 失败已不是模型能力问题，而是上下文被稀释、淹没和遗忘的问题。
事件核心：发生了什么
腾讯技术工程公众号发布的这篇文章，梳理了 AI 应用范式从 Prompt Engineering 到 ReAct、再到 Context Engineering 的三段演进：2020—2022 年关注单次调用下的提示词写法，2022 年起 ReAct 用”思考→行动→观察”循环让大模型调用外部工具，但每轮结果都追加进上下文，20 到 50 步的复杂任务下容易”忘记”最初规则。
2025 年 7 月，Andrej Karpathy 公开表示更愿用”上下文工程”替代”提示词工程”；Shopify CEO Tobi Lütke 在 4 月内部备忘录中称其为 AI 时代的核心技能；Philipp Schmid 则在 6 月撰文直言”大多数 Agent 失败不再是模型失败，而是上下文失败”。同年 9 月，Anthropic 工程团队发表《Effective Context Engineering for AI Agents》，把该工作定义为”从不断演化的可能信息中策展进入有限上下文窗口的艺术与科学”。
为什么重要
这标志着 Agent 工程的重心从”写一句更好的输入”转向”管理信息生命周期”。Context Engineering 不是替代前两者，而是叠加关系——它包含提示词技巧与工具调用模式，还增加了动态维护维度。对正在把 Agent 从 Demo 推向生产环境的团队而言，这意味着系统提示写得再好，也扛不住无关文档对有效信号的稀释；上下文窗口正成为和算力、模型选型同等重要的工程资源。
对用户/开发者/创作者的影响
开发者需要重新分配精力：不再是反复调 prompt，而是设计裁剪、摘要、检索与状态压缩机制，决定哪些工具返回值、历史记录和少样本示例进入上下文。做多步任务 Agent 的团队，要优先排查”步骤一多就失忆”的问题。对普通用户和创作者，体验差异会体现在长对话、复杂工作流中的稳定性——这类失败往往被误认为模型不行，实际是上下文管理缺位。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Anthropic 的方法论能否沉淀为可复用的开源框架或 API 能力；二是主流 Agent 平台是否把上下文压缩、检索调度做成默认组件；三是”Lost in the Middle”等实证结论会如何影响长上下文模型的训练与推理策略。目前公开信息显示，这套体系仍偏工程实践，尚未形成统一标准。
