嗨，你好，这里是Linze。 标题有一点 clickbait，但是没关系 其实我最近一直在做 Agent 上下文相关的思考。然后越做我越发现，很多问题在工具返回结果的那一刻就已经开始了。 比如说，Agent 想要查清一个错误为什么会产生并试图修正，它就要去调用自己有的各种工具。工具把文件和资料返回后，里面可能会包含重试逻辑、认证、日志、序列化和各种辅助函数相关的逻辑。 但真正影响答案的，可能就只有几个判断条件对不对？它读了那么多内容，实际上只有一点点需要放到上下文里。你可能在网络上查了非常多的资料，但需要的只有一点点。你没办法去约束 MCP 工具自己的规范，它们丢进上下文的内容确实会比较多，相应地也会比较复杂。 其实在这种情况下，你只需要让工具去调出它需要的内容。这也是我最近在探索的方向，就是在它调用工具的过程中，去增加一次有明确目的的筛选 给模型一个当前的问题，再给它一份原始的工具调用，然后它只需要在工具调用里面去高光它需要的内容，其他东西我们全部都可以省略掉。 那这样的话，其实你就会发现我们可以省非常非常多的上下文（针对这些无关的内容），而且可以以一个比较好的方式去提高模型的注意力。 先看一个简化的例子。 def can_retry(status, replayable): if not replayable: return False return status == 429 or status >= 500 如果问题是"遇到 500 时会不会重试"，你去让 Agent 用 grep 搜 500，很容易找到最后一行。但你会发现它前面其实还有一个条件：请求必须能够重发，程序才会符合最终的判断。 在传统的检索过程中，通常会出现两种情况： 先漏搜，之后再补搜，占用一个多余的回合。 一次性把太多东西塞进上下文，导致模型没办法很好地注意到关键内容。 如果把整个文件都交给模

  • 情报分类：技术价值、项目价值
  • 命中依据：上下文裁剪模型训练，AI工程实践
  • 来源：服务器 / LINUX DO - 最新话题
  • 原作者：朱慧月
  • 发布时间：2026/9/13 06:56:59