上下文工程：智能体按条件渐进披露信息，八类上下文块让模型在正确时机拿到正确信息

一句话结论

媒体行业常说内容为王；对智能体来说，是上下文为王。驱动智能体的大模型能力已经很强——不只是回答问题，还能做事：处理退货、办抵押贷款、挽留要流失的订阅用户。但和人一样，模型无法利用它没有的信息；信息过载时，它同样会失去对重点的把握。让模型在正确的时刻拿到正确的上下文，是构建复杂真实世界智能体的核心挑战。解法就是上下文工程：决定智能体在每个时刻能访问哪些信息、何时使用。

客户交互的三个时代

理解上下文工程的价值，先看客户交互的演进：

• 时代一：按键式语音应答（IVR）。不会思考也不会推理，只有菜单：按 1 查账单，按 2 办退货，按 0 转人工。客户问题稍有不匹配就被卡住。
• 时代二：流程。许多今天的 AI 智能体仍走预定义路径——流程图、决策树或数字化的标准操作规程（SOP）。客户可以自然说话，但系统仍按”如果 A 就 B”运转；问题超出流程就转人工；SOP 越加越多，系统越难管理，出错风险随之上升。
• 时代三：上下文工程。最先进的智能体不再由刚性流程驱动，而是由目标引导、受护栏约束：模型驱动对话，行为随对话中了解到的新信息实时调整。

Sierra 的角色就是在正确的时刻投递正确的上下文，让模型有效推理、正确行动。

渐进披露：每个时刻只给最相关信息

模型上下文窗口里的 token 越多，准确回忆并利用这些信息的能力越差——每个无关 token 都在与真正重要的 token 抢夺模型注意力。

上下文工程用渐进披露解决这个问题：对话的每个时刻只提供最少且最相关的信息。客户来电商务跨国件到欧洲，智能体不需要一开始就备好每个国家的自定义规则；这些信息只有在得知具体目的地后才变得相关——去德国才需要德国专属指引，在那之前都是噪音。

条件：让披露按需发生

条件是渐进披露的落地机制，回答”这块信息在什么情况下变得相关”。

条件可以基于状态（某工具返回了特定数据、客户已认证、订阅已加载），也可以基于观察（客户提到了某个话题、表达了取消意向、询问了某个产品）。条件满足，信息才交给智能体。

分层之后，对话从最小集合起步——基础工具、通用政策、品牌语气——但依然能应付长而复杂的交互：客户完成认证，账户专属工具和政策解锁；客户质疑一笔扣款，争议调查所需的工作流、政策和工具才显现。每一步解锁的恰好是下一步需要的。

八类上下文块

Sierra 平台把上下文拆成可管理的组件：

块类型	用途
Journey（旅程）	智能体知道如何推进的目标：争议一笔扣款、提交理赔、订一张机票；每个旅程有触发条件和结局
Tool（工具）	智能体与外部系统交互的途径：拉行程、查保障范围、办退款
Rule / Policy（规则/政策）	用自然语言表达的护栏与业务逻辑，例如”高端卡持卡人免收外汇交易费”
Workflow（工作流）	需要固定顺序的步骤指引，如合规问询采集或多步验证
Knowledge（知识）	帮助中心文章、产品文档、FAQ 与内部政策，按需调取
Memory（记忆）	客户历史：过往对话、偏好、此前问题
Glossary（术语表）	业务专用术语：产品名、套餐层级、内部行话
Response phrasing（措辞）	品牌语气与风格

关于工作流要说明：刚性流程虽有局限，但有些场景（如强监管的合规采集流程）确实需要。区别在于，工作流变成条件满足时才提供的又一块上下文，而不是整个系统的组织范式。

三条构建路径

Sierra 把智能体表示为一组可组合的上下文块，每块关联一个条件。为了让这套架构可用又不牺牲控制力，平台提供三种构建方式：

• Ghostwriter：一个替你做上下文工程的智能体——给它自然语言指令，或让它吃进现有 SOP、通话记录和文档，自动产出上下文块与条件。
• Journeys：无代码编辑器，可以检查和微调 Ghostwriter 的产出，也可以直接在界面里从零构建。
• Agent SDK：为把智能体当代码管理的团队提供完整编程控制，开发者可自定义块或写任意代码。

无论从哪条路径构建，底层运行方式完全相同。

为什么重要

单一任务加两三个工具，任何现代智能体都能表现自然可靠。但到生产规模——几十个使用场景、多套系统、按客群细分的政策——性能与复杂度的现实就来了。

能处理五个旅程的智能体，上下文管理可以宽松；要处理五十个，就必须让每块上下文在精确正确的时刻到达。没有这种纪律，模型会被压垮，体验随之劣化。

上下文工程从架构层面解决这个问题：只发送高度相关的 token，减少幻觉、提升自然度、改善性能——也不必在改签一张机票时付钱处理一千 token 的行李政策。

更重要的是它让智能体面向未来：写死逻辑就锁死了模型，它只能有你预定义路径的能力；用上下文工程，智能体推理更自由，新一代更强的模型发布时，你的智能体自动继承这些改进。更聪明的模型不取代上下文工程——再聪明的人也无法知道他们不知道的事——但它会放大做对了的回报。上下文工程就是构建优秀智能体的工作本身。

原文信息

• 作者：Neil Rahilly（Sierra）
• 发布时间：2026-05-05
• 原文标题：Context engineering: the key to great agents

原文地址：