《大模型上下文工程权威指南》书籍介绍

从理论到实践，掌握 AI 时代最核心的工程能力

完整封面

• 书名：大模型上下文工程权威指南（Context Engineering Guide）
• 作者：yeasy
• PDF 下载： 点击下载 [海外站点，若因网络原因下载不了，请联系站长]
• 许可证：CC BY-NC-SA 4.0

一、关于本书

提示词工程没有消失，而是成为上下文工程的基础子集：它负责单次交互中的指令、格式和示例设计；上下文工程进一步管理模型推理时看到的完整信息环境。

当 LLM 应用从实验走向生产，单纯的提示词设计已不足以构建可靠的 AI 系统。上下文工程解决的核心问题是：

如何在正确的时间，将正确的信息，以正确的格式，提供给模型？

本书带你系统掌握这门 AI 时代最核心的工程能力。全书以 Write / Select / Compress / Isolate 四大策略为骨架，串联起外部存储、RAG 检索、上下文压缩、结构化隔离、工具调用、智能体管理、生产治理等完整主题，最终形成一张可落地的「上下文架构评审卡」。

本书与《大模型提示词工程指南》形成互补：前者聚焦单次交互的提示词设计技巧，本书则关注更宏观的系统层面——如何通过检索增强生成（RAG）、记忆架构、工具调用和上下文压缩等工程手段，在生产环境中持续为模型提供高质量的上下文。建议先阅读提示词工程作为基础，再深入本书的上下文工程体系。

二、目标读者

本书适合以下读者：

💡 前置知识：建议具备基础编程能力和对 LLM 的基本了解。代码路线需要能阅读 Python、HTTP API 和 JSON；生产路线需要理解日志、指标、权限、缓存和发布流程；研究路线需要能读论文摘要、评估指标和基准实验。

三、阅读收获

阅读本书后，你将掌握：

四、本书特色

五、全书结构

全书 4 个部分、15 章 + 5 个附录：

1. 第一部分（第 1–3 章）：认识上下文工程 — 概念、LLM 基础、理论框架
2. 第二部分（第 4–7 章）：核心技术与策略 — Write / Select / Compress / Isolate
3. 第三部分（第 8–11 章）：进阶技术与架构 — 工具调用、智能体、Agentic RAG、长上下文、多模态、反模式
4. 第四部分（第 12–15 章）：工程实战与未来演进 — 生产最佳实践、行业案例、EnterpriseKnow 综合实战、未来展望

六、完整目录

• 大模型上下文工程权威指南

第一部分：认识上下文工程

• 第一章 上下文工程概述

  • 1.1 什么是上下文工程
  • 1.2 从提示词工程到上下文工程
  • 1.3 上下文工程的核心价值
  • 1.4 本书结构与学习路径
  • 本章小结

• 第二章 大模型基础与上下文窗口

  • 2.1 大语言模型工作原理
  • 2.2 上下文窗口的本质
  • 2.3 Token 与上下文限制
  • 2.4 主流模型的上下文能力对比
  • 2.5 SSM vs Transformer 在上下文工程中的对比
  • 本章小结

• 第三章 上下文工程的理论框架

  • 3.1 信息环境设计原则
  • 3.2 四大核心策略概览
  • 3.3 上下文质量评估
  • 3.4 上下文工程方法论
  • 3.5 上下文管理的量化评估方法
  • 本章小结

第二部分：核心技术与策略

• 第四章 上下文写入与存储

  • 4.1 外部存储与记忆系统
  • 4.2 记忆架构设计
  • 4.3 知识库构建与管理
  • 4.4 向量数据库实践
  • 本章小结

• 第五章 上下文选择与检索

  • 5.1 检索增强生成原理
  • 5.2 文档分块策略
  • 5.3 嵌入模型与语义搜索
  • 5.4 重排序与相关性优化
  • 5.5 混合检索与高级检索增强生成
  • 本章小结

• 第六章 上下文压缩与优化

  • 6.1 信息密度与压缩原理
  • 6.2 摘要与信息提取
  • 6.3 对话历史管理
  • 6.4 上下文窗口优化策略
  • 6.5 压缩策略案例分析
  • 本章小结

• 第七章 上下文隔离与结构化

  • 7.1 结构化上下文设计
  • 7.2 XML 标签与指令分层
  • 7.3 系统提示词设计
  • 7.4 多任务上下文隔离
  • 7.5 隔离策略案例分析
  • 本章小结

第三部分：进阶技术与架构

• 第八章 工具调用与能力扩展

  • 8.1 函数调用机制
  • 8.2 工具定义与设计
  • 8.3 工具执行与结果处理
  • 8.4 模型上下文协议与工具标准化
  • 本章小结

• 第九章 智能体上下文管理

  • 9.1 智能体架构与上下文
  • 9.2 单智能体上下文管理
  • 9.3 多智能体上下文传递
  • 9.4 智能体记忆与学习
  • 9.5 智能体上下文管理的高级主题
  • 本章小结

• 第十章 进阶技术与架构

  • 10.1 自主检索增强生成与自主检索
  • 10.2 Graph RAG 与知识图谱
  • 10.3 自适应与智能上下文管理
  • 10.4 长上下文模型应用
  • 10.5 多模态上下文管理
  • 10.6 Graph RAG 失败案例分析
  • 10.7 多模态上下文安全策略
  • 10.8 长时间任务的上下文策略
  • 10.9 Context→Harness→External Loop
  • 本章小结

• 第十一章 反模式与常见错误

  • 11.1 过度压缩与信息丢失
  • 11.2 上下文污染与隔离失效
  • 11.3 检索失败与相关性陷阱
  • 本章小结

第四部分：工程实战与未来演进

• 第十二章 生产环境最佳实践

  • 12.1 上下文工程工作流

  • 12.2 性能优化与成本控制

    • 12.2.7 成本建模与 ROI 分析框架
    • 12.2.8 成本优化的具体行业数据
  • 12.3 可观测性与调试

  • 12.4 安全性与治理

    • 12.4.7 深入：上下文工程中的安全与合规
  • 12.5 故障排查与问题诊断
  • 本章小结

• 第十三章 行业应用与架构案例

  • 13.1 医疗：电子病历问答系统
  • 13.2 金融：风控知识库构建
  • 13.3 法律：合同审查智能体
  • 13.4 教育：个性化学习助手
  • 13.5 案例分析：全自主智能体架构（示意）
  • 本章小结

• 第十四章 综合实战 - 构建企业知识库问答系统

  • 14.1 项目需求与架构设计
  • 14.2 知识库构建与向量化
  • 14.3 检索系统实现
  • 14.4 对话历史管理
  • 14.5 性能优化与部署
  • 14.6 持续迭代与改进
  • 14.7 可运行的代码示例与实现模式
  • EnterpriseKnow 可运行最小实验
  • 本章小结

• 第十五章 未来展望与发展趋势

  • 15.1 上下文工程的技术演进
  • 15.2 行业应用趋势
  • 15.3 挑战与机遇
  • 15.4 成为上下文工程专家
  • 本章小结

附录

• 附录 A：术语表
• 附录 B：工具与技术生态
• 附录 C：参考资源
• 附录 D：参考文献
• 附录 E：快变事实核验表

七、不同读者学习建议

八、上下文架构评审卡

本书最终把主题收束为一张上下文架构评审卡，用于判断一个系统是否具备可验证、可治理、可回滚的上下文工程架构：

• 任务边界：上下文覆盖的任务范围是否清晰？
• 信息来源：数据来自哪里？是否可信？是否可溯源？
• 写入策略：如何存储和更新记忆？
• 选择策略：检索什么、如何排序、如何权衡召回与精确率？
• 压缩策略：何时摘要、何时截断、何时分层？
• 隔离策略：多任务、多用户、多轮对话之间如何防止污染？
• 权限与预算：谁能访问什么信息？成本上限是多少？
• 失败模式：检索失败、过度压缩、上下文污染时如何降级？
• 回归评估：是否有评估集、阈值和持续改进流程？

九、进阶阅读路径

本书是 AI 技术丛书的一部分。以下书籍与本书形成互补：

十、本地文件清单

注：PDF 为预览版（preview-pdf release），会随主线代码自动更新覆盖，不代表正式发布版本。