现在很多 Context Engineering 谈的是如何构建 AI Agents 用到的技术，对于普通人未必适用，我总结了一点普通人使用 AI 时用得上的 Context Engineering。

Context Engineering 核心是两点：
一、更少的上下文
二、更准确的上下文

一、更少的上下文
这条有点反常识，现在提示词都超长，似乎提示词不长就不好了，但实际上，提示词太长会影响生成结果，产生幻觉，尤其是太多无关的内容在上下文更会如此。

对此两点注意的：
1). 多开新会话而不是同一个会话一直聊
当你会话太长，后续你发的内容，AI 不容易抓住重点，可能会忘记你前面说的，最好是到一定程度，让 AI 帮你总结一下重点，然后新开会话。如果是和当前会话无关的任务，直接新开会话。

2). 一次一个小的任务，而不是太复杂的任务
这有点像人，当你任务太多太复杂，AI 很难完成好，但是你让 AI 一次完成一个小任务，就好很多。

二、更准确的上下文
准确的上下文好理解，就是让 AI 更准确的知道你想要什么，以及它有完成任务所需要的信息

要让 AI 获得更准确的上下文，有两种主要方式，这两种方式互为补充。

一种就是我们提供准确和充足的上下文给 AI，另一种就是让 AI 帮我们找到上下文。

1. 我们提供准确和充足的上下文给 AI
   AI 并不知道我们知道的信息，所以我们需要主动告诉AI我们知道它不知道的信息，比如说让AI帮我写简历，那我得把我的信息都告诉AI，不然它也写不出来。
   使用AI写代码，一个实用的技巧就是把你知道的相关的文件都提供给它参考，让它可以读到文件内容，这样它就不会遗漏重要信息。
   
   
2. 让 AI 帮我们找到上下文
   现在 AI Agent 都有能力帮我们找上下文，但能力有好优化，对于普通人来说，这几点直观重要：
   
   1). 选擅长 Agent 任务模型
   Claude 4 Opus/Sonnet, OpenAI o3 是 Agent 效果最好的，现在国产的很多专门为 Agent 优化过的模型也很强了，比如 Doubao Think 1.6, GLM 4.5, Kimi K2 等等
   
   2). 为 AI 提供合适的工具
   Agent 最重要的就是有工具能力，能借助工具去找上下文，但是它只有内置的几个工具，有时候需要你提供额外的工具会更有效，比如现在的 MCP 工具，可以让 AI 访问到一些内部的数据，或者操作浏览器等等。
   
   编程的时候，我自己有个常用的技巧：就是让 AI 写测试代码，并告诉AI如何测试单个文件，这样 AI 就可以自己去验证自己写的结果，实现完功能写测试，写完测试运行，运行出错去修复，直到完成，这样不需要太多干预就可以得到不错的结果，当然还是要人工审查一下，有时候 AI 为了通过测试会无所不用其极……
   
   3). 让 AI 先做计划，避免在错误的方向越走越远
   对于复杂一点的任务，如果AI方向错了，就会在错误的方向越走越远，白白浪费tokens，现在像 Claude Code 这样的AI Agent都会有Plan mode，就是先做计划，做完计划仔细看一下计划内容，如果方向不对，就需要让它改正，或者直接重开新会话，调整提示词，让 AI 搞清楚正确的方向是什么，方向对了再去执行。
   
   上面就是我整理的一点经验技巧，希望对你有用，也欢迎交流分享。