什么 Context 才是 Agent 真正的“大脑“？一文讲透上下文工程

子玥酱掘金 / 知乎 / CSDN / 简书 同名大家好我是子玥酱一名长期深耕在一线的前端程序媛 ‍。曾就职于多家知名互联网大厂目前在某国企负责前端软件研发相关工作主要聚焦于业务型系统的工程化建设与长期维护。我持续输出和沉淀前端领域的实战经验日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。技术方向前端 / 跨端 / 小程序 / 移动端工程化内容平台掘金、知乎、CSDN、简书创作特点实战导向、源码拆解、少空谈多落地文章状态长期稳定更新大量原创输出我的内容主要围绕前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读展开。文章不会停留在“API 怎么用”而是更关注为什么这么设计、在什么场景下容易踩坑、真实项目中如何取舍希望能帮你在实际工作中少走弯路。子玥酱 · 前端成长记录官 ✨ 如果你正在做前端或准备长期走前端这条路 关注我第一时间获取前端行业趋势与实践总结 可领取11 类前端进阶学习资源工程化 / 框架 / 跨端 / 面试 / 架构 一起把技术学“明白”也用“到位”持续写作持续进阶。愿我们都能在代码和生活里走得更稳一点 文章目录引言一、为什么 LLM 经常变笨二、Context 到底是什么三、为什么说 Context 才是 Agent 的大脑四、企业级 Agent 的 Context 架构五、System Context系统身份六、Goal Context目标上下文七、Memory Context长期知识八、Tool Context工具执行结果九、Runtime Context真正决定 Agent 能力十、鸿蒙 App 如何实现 Context Center十一、为什么未来 Runtime 都会有 Context Engine十二、AI Native App 的终局总结引言过去两年大模型能力不断提升。从GPT-3.5 ↓ GPT-4 ↓ GPT-4.1 ↓ Claude ↓ Gemini模型越来越强Context Window 也越来越大8K ↓ 32K ↓ 128K ↓ 256K ↓ 1M Tokens于是很多开发者开始认为Context Window 越大Agent 就越聪明。但真正做过 Agent 项目的人都会发现事实恰恰相反。很多 Agent 即使拥有200K Context依然会出现记忆混乱 任务遗忘 工具调用错误 规划失败 重复执行为什么因为真正决定 Agent 能力的从来不是Context Window而是Context Engineering也就是如何构建、组织、更新和管理 Context。越来越多团队开始意识到未来 Agent 的竞争不是谁拥有最大的模型。而是谁拥有最优秀的 Context Runtime。一、为什么 LLM 经常变笨很多人都有过这种体验。第一轮回答非常准确第五轮开始答非所问第十轮忘记之前内容第二十轮开始胡说八道为什么很多人认为模型能力下降其实不是真正原因通常只有一个Context 已经污染。例如用户问题 ↓ 工具返回 ↓ 日志 ↓ 系统 Prompt ↓ Memory ↓ 历史聊天全部堆积在一起最终真正重要的信息 ↓ 被淹没这就是Context Pollution上下文污染。二、Context 到底是什么很多开发者认为Context 聊天记录这是最常见的误区实际上在 Agent Runtime 中 Context 通常包含System Prompt User Goal Conversation Planner State Memory Recall Tool Result Task Graph Environment Runtime State也就是说Prompt 只是 Context 的一部分。真正完整的 Context 更像Agent 当前看到的整个世界。三、为什么说 Context 才是 Agent 的大脑很多文章说LLM Brain其实并不准确LLM 更像CPU负责计算真正决定计算结果的是输入数据。也就是Context例如CPU 垃圾数据 垃圾结果同样GPT-5 错误 Context 错误决策因此模型决定推理能力。而Context 决定推理质量。四、企业级 Agent 的 Context 架构推荐采用五层 Context。Context │ ┌──────────────┼──────────────┐ ↓ ↓ ↓ System Runtime Memory Prompt State Context ↓ ↓ ↓ └─────────────┼──────────────┘ ↓ Tool Context ↓ User Context不同 Context生命周期完全不同。五、System Context系统身份例如你是一名鸿蒙开发助手。包括角色 规则 权限 能力边界几乎不会变化生命周期 Application 级别。六、Goal Context目标上下文例如帮我制定学习计划。Planner 会生成Goal ↓ Task DAG整个执行过程中Goal 始终存在。七、Memory Context长期知识Memory 不应该全部塞进 Prompt。正确做法Recall ↓ Inject例如用户继续昨天的话题。RuntimeMemory Search ↓ Top K ↓ Inject Context而不是整个数据库 ↓ 全部输入八、Tool Context工具执行结果很多 Agent 最大的问题工具调用越来越多。例如Web Search ↓ Database ↓ Browser ↓ Calendar如果全部保留Prompt 会越来越长。推荐Tool Cache只保留最新状态 摘要结果 关键字段而不是完整 JSON九、Runtime Context真正决定 Agent 能力这一层很多文章几乎不会讲。实际上企业 Runtime 都会维护Current Task Current Agent Retry Count Failure State Execution Status Dependency例如{task:create_plan,status:running,retry:1}Planner ➡️ Scheduler ➡️ Supervisor 全部共享Runtime Context因此真正的大脑其实不是LLM而是Runtime Context十、鸿蒙 App 如何实现 Context Center推荐目录src ├── runtime │ ├── context │ ├── center.ts │ ├── system.ts │ ├── runtime.ts │ ├── memory.ts │ ├── tool.ts │ └── goal.ts统一接口exportinterfaceContextProvider{load():Contextupdate(ctx:Context)}Context CenterclassContextCenter{privateproviders[]merge():Context{}}所有 Agent统一读取Context Center而不是直接拼 Prompt十一、为什么未来 Runtime 都会有 Context Engine过去Prompt ↓ LLM未来Goal ↓ Context Engine ↓ LLMContext Engine 负责过滤 排序 压缩 摘要 合并 更新最终生成Optimal Context越来越多 Agent Framework 都开始引入 Context 管理层而不是直接依赖模型上下文窗口。十二、AI Native App 的终局把前面几篇文章串起来Planner ↓ Scheduler ↓ Memory ↓ Multi-Agent ↓ Context Engine最终形成Goal ↓ Planner ↓ Task Graph ↓ Supervisor ↓ Context Engine ┌─────────┼─────────┐ ↓ ↓ ↓ Memory Runtime Tool State └─────────┼─────────┘ ↓ LLM ↓ Agent Team ↓ ArkUI你会发现未来真正复杂的已经不是Prompt而是Context Runtime总结如果用一句话理解 ContextContext 不是聊天记录而是 Agent 在当前时刻能够感知、理解和决策所依赖的全部运行时信息。过去大模型时代关注的是Model Engineering后来Agent 时代关注的是Agent Engineering而未来真正决定 Agent 上限的很可能是Context Engineering因为模型负责思考而 Context 决定模型看到什么Agent 是否足够聪明最终取决于它拥有什么样的 Context。