skillhub-005-reasoning-trace-optimizer
wehub-skill-sync
30 行
1.7 KiB
Plaintext
30 行
1.7 KiB
Plaintext
## 研究总结
|
||
|
||
报告已写入 `./output/research_summary.md`，包含以下核心内容：
|
||
|
||
### 📋 研究覆盖的 10 大主题
|
||
|
||
| 章节 | 核心内容 |
|
||
|------|---------|
|
||
| **核心概念** | Context Engineering 与 Prompt Engineering 的区别；注意力预算；上下文腐烂（Context Rot） |
|
||
| **"Lost in the Middle"** | U 形性能曲线、位置偏差的实证证据（Liu et al., 2024）及实践含义 |
|
||
| **系统提示最佳实践** | 恰到好处的抽象层级、XML 结构化、最小化起步原则 |
|
||
| **工具定义** | 最小可行工具集、自包含设计、避免臃肿 |
|
||
| **即时上下文检索** | 从预加载到运行时动态加载的范式转变，Claude Code 案例 |
|
||
| **三种长周期技术** | Compaction / 结构化笔记（Agentic Memory）/ 子 Agent 架构的选择指南 |
|
||
| **提示缓存策略** | 定价（缓存读取节省 90%）、断点管理、常见错误 |
|
||
| **Harness 设计** | 双 Agent 架构（初始化器+编码器）、会话启动仪式 |
|
||
| **上下文感知** | 模型自动追踪剩余 token 预算的机制 |
|
||
| **实用建议与陷阱** | 10 条推荐 + 5 个避免的陷阱 |
|
||
|
||
### 📚 参考来源（6 个，均含实际 URL）
|
||
|
||
1. Anthropic Engineering Blog — *Context Engineering for AI Agents*
|
||
2. Anthropic Engineering Blog — *Effective Harnesses for Long-Running Agents*
|
||
3. Anthropic 官方文档 — *Context Windows*
|
||
4. Anthropic 官方文档 — *Prompt Caching*
|
||
5. Anthropic 官方文档 — *Prompting Best Practices*
|
||
6. Liu et al. — *Lost in the Middle* (arXiv:2307.03172)
|
||
|
||
报告中明确标注了**研究局限性**（论文基于较早模型、竞品覆盖有限、最佳实践仍在演进）。
|