上下文治理（Context Engineering）

上下文治理是 Anthropic 提出的技术实践，指主动管理 AI 的上下文窗口，包括压缩、清理、外部记忆、子代理分工等，而非无限制地堆砌 tokens。

核心原则

• Context 是有限资源，而且会"腐烂"：上下文越长，模型对信息的精确召回就越容易下降。
• Context window 是工作记忆，不是组织记忆：不能把团队方法论、排障路径、关键约束、失败结论，全寄托在一次会话的"它应该还记得"。
• 外部化：将阶段性结果写入外部 memory，让新会话或新 subagent 继续接力。

实践方法

• 把推理链写进文件（如 .md、checklist、runbook）。
• 使用外部 memory 存储阶段性结果。
• 子代理分工，减少"传话游戏"。
• 沉淀为 Skill、template，让 Agent 每次都站在同一套方法上工作。

与相关概念的区别

• 与 [[上下文重力]] 不同：上下文重力强调 AI Agent 因接入专有数据而产生的价值密度跃迁；上下文治理强调如何管理这些上下文以避免信息腐烂和召回下降。