Context Engineering — 你是在工程化上下文，还是在堆信息？

🎯 核心概念

• Context Stuffing（上下文堆砌）vs Context Engineering（上下文工程）：体积≠质量
• 超过32k token后AI准确率可能跌破20%，信息越多反而越笨
• Lost in the Middle（中间遗失）：AI更容易记住开头和结尾，忽略中间内容
• Context Rot（上下文腐烂）：长对话中AI逐渐偏离原始目标

💡 关键方法

• 五个诊断问题：支持什么决策？能否检索替代持久化？谁拥有边界？排除导致什么失败？在修复还是回避？
• Research→Plan→Reset→Implement循环：研究→压缩计划→清空上下文→干净实施
• 两层记忆架构：短期记忆（核心指令）+ 长期记忆（外部知识库/RAG）

🚀 行动指南

• 下次用AI前，完成这个句子：我需要这个信息是因为我在做[具体决策]——填不出来就别塞给AI
• 把AI的注意力当稀缺资源，不是无限仓库

📚 参考资料与延伸阅读

• Product-Manager-Skills: Context Engineering Advisor — Dean Peters 开源仓库, Context Engineering Advisor Skill
• Context Stuffing Is Not Context Engineering — Dean Peters' Substack, 2026
• Anthropic Contextual Retrieval — Anthropic 白皮书