上下文工程

把整份文档、全部聊天记录塞给 AI，回答反而更差——这不是错觉。本文拆解上下文变长导致质量下降的三个成因，给出分层、压缩、刷新三步瘦身法，并附一张「该不该放进上下文」的判断清单，帮你把输出质量稳定下来...

给 Agent 加长期记忆，坑往往不在加不加，而在存哪儿。本文用 4 个判断维度拆解向量库与文件系统各自的边界，给出「文件为主、向量补漏」的混合方案和 4 步落地清单，附两个高频踩坑点。

给 AI 评审接进 PR 后，团队两周就全忽略评论？问题不在模型，在流程。本文给出 4 步落地法：划边界、分置信度、补上下文、做反馈闭环，把 AI 从「评论刷屏机」变成真正挡 bug 的第一道门。

MCP 让 AI 能调用你的系统，但工具接得上不等于活干得成。本文拆解工具描述、数量控制、返回值设计、写操作权限四个高频坑，并给出上线前的工具选择评测方法，帮你把 Agent 从「能调通」做到「能交付...