https://blog.margrop.net/tag/prompt-engineering/ Recent content in Prompt Engineering on 魔都水滴 Hugo -- gohugo.io zh-CN Sun, 19 Jul 2026 18:30:00 +0800 https://blog.margrop.net/post/ai-token-context-window-sticky-notes/ Sun, 19 Jul 2026 18:30:00 +0800 https://blog.margrop.net/post/ai-token-context-window-sticky-notes/ <blockquote> <p><strong>先说结论</strong></p> <p>AI 的“记忆力差”，很多时候不是它完全没有记住，而是当前对话能带进模型的内容有限。可以把上下文窗口想成一叠有限容量的便利贴：新的问题和工具输出不断贴上去，便利贴写满以后，系统就必须压缩、截断，或者把最旧的一部分移走。被移走的内容，模型在当前请求里就很可能再也看不到。</p> </blockquote> <p>你有没有遇到过这种场景：刚刚和 AI 约定“所有代码都用 Python”，聊了十几轮以后，它突然给出一段 JavaScript；你明明把项目背景写得很完整，AI 却又问了一遍“你使用的是什么系统”；或者你上传了一篇长文档，AI 能准确复述开头，却对中间那条最重要的限制条件一无所知。</p> <p>这看起来像“AI 记性不好”，但更准确的说法是：<strong>AI 每次回答时，能看到的内容受到上下文窗口限制；而能看到，也不代表它会同等重视每一段内容。</strong></p> <p>本文不把 Token 讲成吓人的数学名词，而是把它讲成一套便利贴管理规则。你会看到 Token 是什么、上下文窗口如何装载、为什么长对话会遗忘、Agent 为什么更容易把窗口塞满，以及普通用户如何用简单的整理方法让 AI 少忘事。</p> https://blog.margrop.net/post/12-factor-agents-agent-principles/ Sat, 23 May 2026 14:50:00 +0800 https://blog.margrop.net/post/12-factor-agents-agent-principles/ <blockquote> <p><strong>先说结论</strong></p> <p><code>12-Factor Agents</code> 不是一个让你安装后直接开箱即用的 Agent 框架，也不是某种 Codex / Claude / Cursor 里的 Skill。它更像 AI 时代写 Agent 的工程原则清单：当你发现“把大模型、工具列表和一个 while loop 拼起来”只能做到 70% 到 80% 可用，却迟迟过不了生产质量线时，这套原则会提醒你把提示词、上下文、工具调用、状态、人类审批、错误压缩和控制流重新收回到软件工程手里。</p> <p>我最喜欢它的一点，是它没有把 Agent 神化。相反，它反复强调：可靠的 Agent 并不是“让模型自由发挥”，而是把 LLM 放在一个可观察、可恢复、可审计、可中断、可复现的系统里。真正值得学习的不是某个框架 API，而是这背后的工程姿势。</p> </blockquote> <p>本文所有示例都使用公开项目、公开链接和占位符，不包含真实服务器地址、账号、Token、业务配置或任何内网信息。文中配图来自 HumanLayer 开源项目 <code>12-factor-agents</code> 的官方仓库，内容按其 CC BY-SA 4.0 授权引用；代码授权信息以原仓库为准。</p>