Anthropic 上下文工程：RAG 与压缩优化 AI 代理长上下文提示

在构建 AI 代理时，长上下文提示的结构化设计已成为确保多步推理任务连贯性的核心挑战。Anthropic 的上下文工程方法强调，通过检索增强生成（RAG）和压缩技术，可以有效管理有限的注意力预算，避免信息过载导致的性能衰减。这种方法不仅提升了代理的决策准确性，还降低了 token 消耗，实现高效的工程落地。

长上下文提示的核心问题是 LLM 的注意力机制限制。Transformer 架构下，每个 token 与所有其他 token 形成 n² 对关系，随着上下文长度增加，模型捕捉这些关系的精度渐进式下降。这种衰减类似于人类工作记忆的容量瓶颈，导致代理在多步任务中容易遗忘早期关键信息或被无关噪声干扰。Anthropic 指出，上下文应视为边际收益递减的资源，每新增 token 都会稀释注意力焦点。因此，优化策略需聚焦于最小化高信号 token 的注入，同时维持推理链的完整性。

RAG 在 AI 代理中的应用是动态注入相关知识的关键。通过 just-in-time 检索，代理无需预加载整个知识库，而是使用工具在运行时拉取特定数据。这种方法模拟人类认知：不记忆全部语料，而是通过索引系统（如文件路径或查询）按需访问。举例而言，在复杂数据分析任务中，代理可编写针对性查询，仅加载结果摘要，避免全数据集进入上下文窗口。证据显示，这种动态检索能将工具选择准确率提升 3 倍，尤其在工具集庞大的场景下。

为落地 RAG，需设计最小 viable 工具集。参数建议：工具描述控制在 100-200 token 内，确保自包含且无重叠；使用嵌入向量检索，相似度阈值设为 0.8 以上，仅注入 top-3 相关片段；集成 MCP（Model Context Protocol）以标准化外部数据格式。监控要点包括检索延迟（目标 < 500ms）和召回率（> 90%），若阈值偏差，可回滚至静态 RAG。清单：1. 评估任务语义，定义检索查询模板；2. 构建知识图谱或向量数据库，支持语义搜索；3. 测试代理在多步循环中的上下文一致性，迭代调整阈值。

压缩技术则针对历史累积的上下文污染，提供连贯性维护的解决方案。Compaction 通过 LLM 总结对话历史，提炼核心决策和未解决问题，重新初始化窗口。这种方法在 Claude Code 中应用：当上下文达 95% 阈值时，自动压缩，保留最近 5 个文件引用，同时清除冗余工具输出。Anthropic 强调，过度压缩风险在于丢失后期显现的关键细节，因此需平衡召回与精简。

实施压缩的参数包括：总结提示长度限 500 token，焦点于“架构决策、bug 列表、实施细节”；工具结果清除规则：仅保留最近 3 轮调用；外部笔记机制，使用文件-based 内存工具持久化状态，如 to-do 列表或 NOTES.md。风险限：若压缩后准确率降 >10%，引入人工审核层。落地清单：1. 设置窗口阈值（e.g., 80% 总容量）；2. 开发压缩链，集成 few-shot 示例指导总结；3. 在长时任务（如 30 小时编程）中验证连贯性，监控 token 节省率（目标 >50%）；4. 结合子代理架构，隔离子任务上下文，仅汇总 1000-2000 token 摘要。

在多步推理任务中，RAG 与压缩的结合尤为强大。例如，研究代理可先用 RAG 检索文献，然后压缩中间推理笔记，确保后续步骤引用准确无误。这种协同减少了上下文冲突：RAG 注入新鲜事实，压缩清除噪声，整体维持代理的“上下文思维”。实际参数：循环步数限 100 轮/压缩一次；错误恢复策略，若连贯性分 <0.7（用 BLEU 评估），重置笔记。

总体而言，Anthropic 的上下文工程框架为 AI 代理提供了可操作路径。通过 RAG 的精准检索和压缩的精简管理，开发者能构建出在长上下文下稳定的系统。实践建议：从小规模原型开始，逐步扩展至生产环境，并持续监控注意力预算利用率。最终，这种方法不仅提升代理性能，还为工业级应用铺平道路，实现从概率性输出向确定性行为的转变。

（字数：1024）