斯坦福CS329Z讲座：上下文塞得越满，agent检索准确率越差
stanfordnlp · x · 2026-11-13
斯坦福 CS329Z 课程中 Michael Ryan 的一讲系统梳理了面向智能体构建的 LLM 技术栈，转发者总结了三条上下文工程要点：
- 避免 context rot：往上下文窗口里硬塞信息会导致性能退化，上下文越长，检索任务的准确率下降越明显。
- 避免膨胀：不必提供所有可能的工具或文档，研究表明只配备少量必备工具的精简 agent 往往优于堆满闲置数据的方案。
- 顺序更新：管理长对话时须按顺序追加信息——在 prompt 开头插入新内容会移动已有 token，使此前建立的索引或位置关系失效。
「编程与Agent」频道最新
- Rolldown 推出 agent 专用 report 模式,助 AI 自动减包 1.2MB — cnakazawa · 2026-11-13
- Amp 创始人 Quinn Slack：21 人公司如何围绕 AI Agent 重组一切 — TheTuringPost · 2026-11-13
- Pipecat 1.16 上线 PerceptionReader:语音 Agent 学会听出语气与讽刺 — m4rkmc · 2026-11-13
- Amp 砍掉 Dial 四档模式，改用可中途切换的模型选择器 — bytebot · 2026-11-13
- 开源工具 optimAIzr:分析发现 56% 编码 AI 花费来自重复读取上下文 — stichstichstich · 2026-11-13
- Y Combinator 总裁转发:AI 代码审查代理降本 80% 且质量更高 — garrytan · 2026-11-13