AI 代理的脈絡工程：一套實用的可靠性框架

AI 代理的脈絡工程是指在任務每個階段決定代理需要哪些資訊、指令、工具、狀態與記憶。目標不是填滿上下文視窗，而是提供做出下一項判斷所需的最小充分資訊，產生可驗證的成果。

研究與揭露: 本文由 Ottermind 發布。我們於 2026 年 8 月 28 日查閱 Anthropic、LangChain、OpenAI Agents SDK 與 Lost in the Middle。下方的五層模型、選擇循環與範例是原創編輯框架，不是 Ottermind 效能基準。

為什麼重要

代理會搜尋、讀取檔案、呼叫工具、觀察結果並調整計畫。完整轉送所有歷史會讓過時計畫、重複輸出與衝突指令掩蓋重要證據，並增加成本與延遲。長上下文研究也顯示，位於輸入中段的關鍵資訊可能較難被使用。

脈絡工程與提示工程

領域	問題	範圍
提示工程	如何表達任務與行為？	指令、範例、角色、格式
脈絡工程	此刻模型應該看到什麼？	證據、工具、狀態、記憶、權限

初始 Brief 可參考 Ottermind AI 提示指南。

五個脈絡層

行為（規則與邊界）、任務（目標與完成標準）、證據（檔案與來源）、操作（工具與權限）、連續性（計畫、決策與記憶）。使用者 ID、連線與密鑰等本機脈絡不應自動傳給模型。

Context Selection Loop

定義下一項判斷。
按五層蒐集候選內容並保留來源與日期。
依相關性、權威性、時效性、一致性與權限篩選。
分開指令與證據、移除重複、保留已核准決策。
觀察結果，更新狀態並決定下一步。

實例與最佳實務

製作競品決策備忘錄時，先建立任務契約與來源地圖，再選擇最新證據、比較方案、根據核准決策起草，最後依標準驗證。從最小充分脈絡開始，摘要時保留來源，不要讓工具或記憶超出當前階段需要。

可重複使用的模板

Prompt

任務與下一項決策：完成[任務]，決定[判斷]。
完成定義：成果[格式]、對象[讀者]、證據[來源]、標準[品質]。
遇到風險或權限邊界時停止並要求確認。
行為：遵循[規則]；未經核准不得傳送、發布、刪除或修改。
證據：使用[檔案與連結]，保留引用與衝突。
操作：工具[小型清單]，權限[讀取、草稿、寫入、核准]。
連續性：狀態[步驟]、決策[紀錄]、未解問題[缺口]。
回傳結果、來源、假設、失敗檢查與下一項判斷。

延伸閱讀：什麼是 Agentic Workflow？、AI 代理工作空間、AI 研究助理指南。