Anthropic官方Agent工程最佳实践
thisdudelikesAI · x · 2026-07-16
Anthropic 近期发布了一份工程指南，指出传统的提示词工程已过时，当前的核心在于上下文工程。为了在长上下文和复杂 Agent 任务中最大化模型能力，指南提出了以下关键实践：
- 结构化笔记：不要把所有信息塞进对话历史，而是让 Agent 将进度和计划持久化写入 NOTES.md 文件，避免被冗长历史淹没。
- 检索优于回忆：上下文越长越容易出现“上下文腐烂”，应只提取当前步骤所需的信息，并随时总结已完成的工作。
- 冻结前缀：将系统提示等稳定信息放在最前面且保持不变，将动态内容放在末尾，以最大化 Prompt 缓存命中率并降低成本。
- 清理无用工具调用：历史记录中旧工具的原始输出会干扰注意力，清理后结合记忆和上下文编辑，在内部评测中可带来 39% 的性能提升。
- 使用子 Agent：为深度探索任务启动具有干净上下文的专用子 Agent，处理完后仅传回精简摘要，保持主 Agent 专注。
- 自我验证：为 Agent 提供测试脚本以供其自行检查结果，避免人工频繁介入。
所属事件:Anthropic 将 Agent 重心转向上下文工程(5 条相关)→
「编程与Agent」频道最新
- Cognition SWE-2 用 KKT 对偶优化长度惩罚，一次 RL 推移 Pareto 曲线 — YouJiacheng · 2026-09-11
- 首届 Three.js 大会落地巴黎，AI 正缩短从想法到原型的距离 — OdinLovis · 2026-09-11
- 观点：Agent 真正的瓶颈是企业数据工程能力 — dhruv2038 · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11
- 投资分析师求教：如何用 Claude 搭建尽调 Agent 工作台 — Careless_Tie2286 · 2026-09-11