上下文工程课程：应对智能体上下文腐化

01 摘要

DeepLearning.AI 推出由 Jeff Huber 主讲、Drew Breunig 客座的“上下文工程”免费课程，针对智能体工作时间越长、上下文中重复、矛盾或过期信息越多、模型表现越差的现象（Chroma 团队称之为 Context Rot）。课程要求学员用 Python 从零构建智能体框架，练习智能体检索、上下文管理和智能体记忆三类技能。上述“上下文腐化”问题与课程价值属于来源陈述，其量化影响程度未在输入中给出。

02 关键点

1. 课程以 Context Rot 为问题起点：上下文增长会引入重复、矛盾或过期信息，从而拖累模型表现。
2. 教学内容覆盖三条主线：用多来源、多工具做智能体检索并借轨迹评估改进工具选择；用剪枝、压缩和草稿板管理上下文；把用户反馈存为可复用记忆并跨会话更新。
3. 实现方式强调用 Python 从零构建智能体框架，而非仅调用现成框架。