汇总（上）· Prompt 工程 + Agent
上下文溢出策略 / Prompt 六要素 / 工具调用真相 / Skill + 脚手架
本页解决的问题
先给结论「汇总（上）· Prompt 工程 + Agent」要解决的关键问题是什么？
上下文溢出策略 / Prompt 六要素 / 工具调用真相 / Skill + 脚手架
让这个结论先证明自己值得留下。 把这一页当成决策工具，而不是需要背下来的定义。把概念连到一个真实任务、一个可观察结果，以及一个能改变你判断的失败上。
写下一个问题：试完这个方法后，你能用什么证据回答它？
结论听起来很完整，却没有检查最关键的假设。
四进阶：Few-Shot（示例学格式）、Chain of Thought（逐步推理）、Constraints（字数/语气/禁用词）、Task Decomposition（拆步骤）
后端程序消费 → YAML / JSON（YAML 省 15-30% Token）
文档/富文本展示 → Markdown（渲染友好）
脚手架 = 超时/重试 + 最大步数限制 + 输入输出验证 + 状态机 + 可观测性（日志）。
没有脚手架的 Agent 在生产环境不可靠。
「Part 1 · 上下文 & Prompt」为什么能找到相关内容
「上下文溢出策略 / Prompt 六要素 / 工具调用真相 / Skill + 脚手架」把检索问题从“把资料存起来”推进到“怎样找到真正相关的资料”。这一步决定了 RAG、推荐和以图搜图最后交给模型的输入质量。
相似度不是答案，召回之后还要核对
在「上下文溢出策略 / Prompt 六要素 / 工具调用真相 / Skill + 脚手架」对应的流程里，Embedding 负责把对象放到可比较的语义空间，近邻索引负责减少搜索范围，最终的回答仍然依赖召回片段是否覆盖问题、距离指标是否合适，以及内容有没有过期。
先区分找得到和找得准
把「上下文溢出策略 / Prompt 六要素 / 工具调用真相 / Skill + 脚手架」落成一次小测试：准备几条有明确答案的查询，记录召回的相关性、遗漏和无关结果，再决定是否需要换切分方式、索引或重排。
从「Part 1 · 上下文 & Prompt」走到「Part 2 · Agent 工程」
「Part 1 · 上下文 & Prompt」先把问题落在「📐 一、上下文 & Prompt 工程 设计 Message List 的核心技能 上下文溢出三策略 桌面有限，精心管理 截断 简单，但早期信息 永久丢失 ，适合短对话工具 摘要压缩 平衡之选，需额外 LLM 调用，适合长期对话 语义检索 最精准，需向量系统，Token 消耗最优 Prompt 六要素 + 四进阶技巧 把 Prompt 当代码写 六要素： 角色 + 任务 + 上下文 + 约束 + 示例 + 格式 四…」上；到了「Part 2 · Agent 工程」，讨论继续推进到「🤖 二、Agent 工程 让 AI 从"说"到"做" Agent 四大核心能力 🧭 Plan 规划 把复杂任务拆解为可执行步骤 🔧 Tool Use 调用搜索、代码执行、数据库、API 🗃️ Memory 记忆 短期上下文 + 长期向量数据库 🔄 Act / Reflect 执行后观察，失败则自我纠错 工具调用的真相 模型只是输出了格式化文字 1 System Prompt 预定义工具列表，告知模型可用工具…」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
检索系统也可以这样看：先确定什么算相关，再观察召回是否覆盖问题，最后检查排序、切分和时效性有没有把真正有用的内容挤出去。
- 「Part 1 · 上下文 & Prompt」：📐 一、上下文 & Prompt 工程 设计 Message List 的核心技能 上下文溢出三策略 桌面有限，精心管理 截断 简单，但早期信息 永久丢失 ，适合短对话工具 摘要压缩 平衡之选，需额外 LLM 调用，适合长期对话 语义检索 最精准，需向量系统，Token 消耗最优 Prompt 六要素 + 四进阶技巧 把 Prompt 当代码写 六要素： 角色 + 任务 + 上下文 + 约束 + 示例 + 格式 四…
- 「Part 2 · Agent 工程」：🤖 二、Agent 工程 让 AI 从"说"到"做" Agent 四大核心能力 🧭 Plan 规划 把复杂任务拆解为可执行步骤 🔧 Tool Use 调用搜索、代码执行、数据库、API 🗃️ Memory 记忆 短期上下文 + 长期向量数据库 🔄 Act / Reflect 执行后观察，失败则自我纠错 工具调用的真相 模型只是输出了格式化文字 1 System Prompt 预定义工具列表，告知模型可用工具…
最后的「最后把结论落到实践」把讨论落到「上下文溢出策略 / Prompt 六要素 / 工具调用真相 / Skill + 脚手架」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。