一个精心调教的AI助手，在长对话中突然”失忆”，忘记了三轮之前的关键信息。这不是智力问题，而是记忆管理问题——在Agent时代，上下文工程正在取代提示词工程，成为决定智能体表现上限的核心学科。
上下文窗口是Agent的RAM
上下文窗口决定了模型在任何时刻能”想起”什么。但它有限、易失、昂贵：对话结束等于断电，每多放一个token就多烧一份费用。更麻烦的是”Lost-in-the-Middle”现象——塞进窗口中段的信息，模型的召回率显著下降。往里塞更多信息，不等于表现更好。
记忆系统的工程本质
生产级Agent的记忆，通常不是单一系统，而是分层组合：工作记忆保存即时上下文，情景记忆记录结构化历史，语义记忆蒸馏稳定偏好，档案记忆沉淀外部知识。Mem0、Letta、Zep等开源方案各擅胜场，但核心思路一致——把过去的全部经验变成可检索的小数据库，每次推理只注入最相关的几条。
四大策略管好上下文
Write：让Agent把信息写出到外部文件，需要时再读回；Select：Just-in-Time检索，而非预加载全部；Compress：用摘要替代冗长历史；Isolate：子Agent在独立上下文里工作，只回传结论。
智能体的聪明程度，越来越不取决于模型参数，而取决于它能多好地管理自己”记得什么、忘掉什么”。这正是上下文工程的价值所在。
