最近，關于Agentic AI 具備自主行動能力的智能體的討論越來越多。

很多企業都在探索：能不能讓 AI 自動處理客戶請求、下單采購、生成報告，甚至做決策？

但《CIO》的一篇文章【文獻1】提醒我們：

如果沒有上下文，Agentic AI 將徹底搞砸你的業務。

同時，Anthropic 工程團隊的另一篇文章【文獻2】則從工程實踐角度指出：

如何管理上下文（Context Engineering），決定了 AI Agent 的成敗。

兩篇文章結合起來，既指出了風險，也給出了路徑。

一、為何上下文比AI本身更重要？

想象一個客服 AI，客戶說：“我上周剛買的冰箱壞了。” 

如果 AI 沒有客戶的購買記錄、保修政策、歷史維修記錄等上下文，它可能會：

• 機械回答：“請聯系客服。”（重復勞動）
• 錯誤回答：“抱歉，您的保修已過期?！保蛻袅⒖陶?/li>
• 或者更糟糕：直接幫客戶下單買一個新冰箱……

這就是 CIO 文章的核心觀點：

• 企業需要的不只是 Agent，而是 一個“上下文系統”（System of Context）。
• 這個系統能打破數據孤島，整合客戶、產品、交易、供應鏈等各類信息，形成一個 360° 實體視圖。
• 還要確保數據實時更新、安全合規、可審計。

簡單說，沒有上下文，AI 決策就是“盲人摸象”，不僅無用，還可能制造災難。

二、上下文工程讓 AI Agent 更聰明

Anthropic 的文章則從另一方面切入：

就算企業給了 AI 足夠的數據，如何在有限的上下文窗口里組織這些信息，仍然是個工程挑戰。

為什么？因為 LLM 的注意力預算有限。上下文越長，越容易出現“context rot” ——模型逐漸忘掉開頭的重要信息。

所以，Anthropic提出了上下文工程的幾個關鍵做法：

• 系統提示要簡潔清晰，給 Agent 一個結構化的身份和目標描述，不要堆砌長篇大論。
• 工具設計要精準，工具接口要邊界清晰，避免模糊和冗余，讓 Agent 調用時毫不猶豫。
• 動態檢索而非一次性塞滿，不要把所有文檔丟進上下文，而是讓 Agent 按需調用數據庫或知識庫。
• 上下文壓縮與記憶機制，對歷史對話做摘要，把關鍵信息寫入長期記憶，而不是無限堆疊 token。
• 子代理分工協作，將復雜任務拆解給不同子代理，每個只處理有限上下文，再由主代理整合結果。

一句話：上下文是有限資源，要像分配黃金一樣精打細算。

三、上下文中可靠的AI合伙人

其實兩者互補，

CIO 文章強調，企業必須先構建一個宏觀的上下文系統，數據實時、語義統一、安全可控。

Anthropic 的文章建議，AI 工程師必須在微觀層面做好上下文工程，prompt、檢索、壓縮、記憶、子代理。

宏觀和微觀結合，AI 才能既聰明，又可靠。

圖片

Agentic AI 的未來充滿想象，但前提是：

必須基于正確、豐富、實時、治理完善的上下文來行動。

企業須把“上下文”當成戰略資源來建設，而 AI 工程團隊要把“上下文工程”當成首要技能打磨。

只有這樣，Agent 才不會是一個風險，而是成為業務上下文中可靠的合伙人。

文獻1，??https://www.cio.com/article/4065038/agentic-ai-without-context-will-break-your-business.html??

文獻2，??https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents??

本文轉載自??清熙??，作者：王慶法