全部播客 
深度解读
Context Engineering — 你是在工程化上下文，还是在堆信息？
大多数人用AI的方式是上下文堆砌，把所有信息一股脑塞给AI。但研究显示超过32k token后准确率暴跌到20%以下。本期聊聊如何从「堆信息」转变为真正的上下文工程。
AIContext Engineering上下文工程Prompt Engineering产品经理AI产品
0:00 10:12
在以下平台收听
📝 Show Notes
🎯 核心概念
- Context Stuffing（上下文堆砌）vs Context Engineering（上下文工程）：体积≠质量
- 超过32k token后AI准确率可能跌破20%，信息越多反而越笨
- Lost in the Middle（中间遗失）：AI更容易记住开头和结尾，忽略中间内容
- Context Rot（上下文腐烂）：长对话中AI逐渐偏离原始目标
💡 关键方法
- 五个诊断问题：支持什么决策？能否检索替代持久化？谁拥有边界？排除导致什么失败？在修复还是回避？
- Research→Plan→Reset→Implement循环：研究→压缩计划→清空上下文→干净实施
- 两层记忆架构：短期记忆（核心指令）+ 长期记忆（外部知识库/RAG）
🚀 行动指南
- 下次用AI前，完成这个句子：我需要这个信息是因为我在做[具体决策]——填不出来就别塞给AI
- 把AI的注意力当稀缺资源，不是无限仓库
💬 加入听友群
- 扫码或添加 Vivi：Vivi_xmj
- 欢迎贡献大家想听的内容，或针对 AI 内容多多交流
📚 参考资料与延伸阅读
- Product-Manager-Skills: Context Engineering Advisor — Dean Peters 开源仓库, Context Engineering Advisor Skill
- Context Stuffing Is Not Context Engineering — Dean Peters' Substack, 2026
- Anthropic Contextual Retrieval — Anthropic 白皮书
💡 核心纪要
给AI塞更多信息≠更好结果，结构大于体积
上下文工程不是写更好的提示词，而是设计AI的信息架构
用五个诊断问题过滤噪音：决策导向是核心
采用Research→Plan→Reset→Implement循环防止上下文腐烂
真正的AI高手是最懂得克制、最擅长为AI修剪世界的人
💬 对这期节目想说点什么？
你的反馈是我改进的动力 ✨
扫码加入听友群 🦞
和 Vivi 一起聊 AI、聊产品、聊趋势
有具体问题或想法？直接在飞书找 Vivi 聊～ 🦞
📬
订阅播客速递
每周一封，不错过好内容
📬
想听什么？
告诉我你最感兴趣的话题，也许下期就是为你量身定做的