{"id":"1fac1354-0b7b-4cf7-aca5-e17c0092b052","shortId":"gvycyE","kind":"skill","title":"ai-native-context-engineering","tagline":"AI Native 产品方法论——上下文工程的实操 Skill。\n用户提供任务场景，Skill 自动执行上下文组织流程：\n任务目标识别 → 上下文层选择 → 动态拼装 → 成本与窗口控制 → 结果校验与纠偏 → 输出上下文工程方案。\n基于《AI Native 产品方法论》第14章。","description":"# AI Native 上下文工程 Skill\n\n## 使用场景\n\n- 产品需要组织复杂的输入信息交给模型\n- 需要设计可解释、可替换、可治理的上下文组织方案\n- 需要避免\"上下文太少—AI不知道自己在做什么\"或\"上下文太多—AI被噪音淹没\"\n\n## 触发条件\n\n当用户提到以下任一场景时触发：\n- 需要设计 AI 产品的上下文组织方案\n- 模型输出质量不稳定，怀疑是上下文问题\n- 需要在有限 token 窗口内优化信息密度\n- 设计动态上下文拼装、分层注入或压缩策略\n\n## 执行步骤\n\n1. **任务目标识别**：明确用户当前想完成什么任务，确定任务类型和咨询类别。\n2. **上下文层选择**：根据任务类型决定需要激活哪些层次——目标层、规则层、知识层、状态层、记忆层。\n3. **动态拼装**：根据用户角色、任务类型和当前状态，为每次调用临时组装所需上下文。\n4. **窗口与成本控制**：在有限的 token 窗口内优化信息密度，控制单次调用成本和响应延迟。\n5. **失败检测规则**：设计上下文缺失检测、信息冲突检测、时效失效检测和 token 超限检测。\n6. **输出上下文工程方案**：整合上下文层次设计、动态拼装规则、窗口策略和失败检测规则。\n\n## 核心概念\n\n- **上下文工程（Context Engineering）**：把任务所需信息按正确顺序、粒度和边界组织给模型的产品化能力\n- **提示词**：上下文中的一小部分，通常只负责角色、任务或格式约束\n- **动态拼装**：根据用户、任务、权限和状态，为每次调用临时组装所需上下文\n- **上下文层次**：目标层、规则层、知识层、记忆层和状态层等不同信息层\n\n## 为什么上下文工程是核心能力\n\n传统软件的行为主要由代码逻辑决定，而 AI 系统的行为会显著受到上下文影响。相同的模型，在没有背景资料、缺少角色信息、拿不到历史状态的情况下，很可能给出完全不同的结果。\n\n很多 AI 产品问题的本质，并不是模型不够强，而是上下文组织不对。\n\n## 上下文工程流程\n\n```\n任务进入\n  → 目标识别\n    → 上下文层选择\n      → 动态拼装\n        → 生成 / 行动\n          → 结果校验与纠偏\n```\n\n一旦上下文层选择错误，后面的生成质量、工具调用和风险边界都会整体失真。\n\n## 上下文的五个层次\n\n### 1. 目标层\n\n- 用户现在到底想完成什么\n- 例如：\"查询订单状态\"、\"申请退货\"、\"了解售后政策\"\n\n### 2. 规则层\n\n- 这个任务有哪些约束、边界和权限\n- 例如：不能承诺赔付、不能暴露其他用户信息、必须保留人工接管点\n\n### 3. 知识层\n\n- 系统需要引用哪些资料、文档、行业规则\n- 例如：售后政策文档、物流规则、商品说明\n\n### 4. 状态层\n\n- 当前流程进行到哪里，已经做过什么\n- 例如：当前会话已提供订单号、已解释过的内容\n\n### 5. 记忆层\n\n- 与用户或历史案例相关的长期背景\n- 例如：用户偏好某种解释风格、过去类似问题的处理方式\n\n这几层不是每次都全部打开，而是要根据任务动态拼装。\n\n## 上下文工程的四个目标\n\n1. **选择真正相关的信息**：不是把所有信息都塞进去\n2. **用模型易于理解的方式组织信息**：顺序、结构、格式\n3. **在有限窗口内控制上下文成本**：令牌消耗、延迟\n4. **随任务阶段动态更新上下文内容**：不是固定模板\n\n## 动态拼装原则\n\n好的上下文不是固定模板，而是动态拼装：\n\n- 根据用户角色决定哪些规则层可见\n- 根据任务类型决定哪些知识层需要\n- 根据当前状态决定哪些状态层包含\n- 根据历史交互决定哪些记忆层激活\n\n## 常见失败模式\n\n### 上下文太少\n\n- AI 不知道自己在做什么\n- 结果偏题、幻觉、给出表面正确但实际不可用的结果\n\n### 上下文太多\n\n- AI 被噪音淹没\n- 重要信息被淹没在不相关的内容中\n- 成本飞涨、延迟增加\n\n### 层次混乱\n\n- 把规则、知识、状态、记忆混在一起\n- AI 无法区分哪些是约束、哪些是参考\n\n### 时效失效\n\n- 使用了过期的规则或状态\n- 结果在错误的世界观里工作\n\n## 输出物：上下文工程方案\n\n1. **上下文层次设计**：目标层、规则层、知识层、状态层、记忆层的定义和分工\n2. **动态拼装规则**：根据任务类型、用户角色、当前状态决定哪些层激活\n3. **窗口与成本策略**：如何在有限窗口内优化信息密度\n4. **失败检测规则**：如何判断上下文是否足够、是否过期、是否混乱\n5. **更新与维护机制**：上下文模板如何版本化、如何测试、如何回滚\n\n## 使用方式\n\n当用户提供任务场景时，自动执行：\n\n1. 识别任务目标\n2. 定义上下文五个层次\n3. 设计动态拼装规则\n4. 制定窗口与成本策略\n5. 设计失败检测规则\n6. 设计更新与维护机制\n7. 输出上下文工程方案\n\n## 示例\n\n### 示例：AI 客服上下文工程设计\n\n**场景描述**：\nAI 客服系统需要为不同咨询类型动态组织上下文，既要包含足够信息，又要避免信息过载。\n\n**用户输入**：\n\"我们的 AI 客服有时候给出的回答前后矛盾，有时候明明用户已经说了订单号，AI又问一遍\"\n\n**Skill 执行流程**：\n\n1. **任务目标识别**\n\n```yaml\n用户咨询类型: \"物流延误解释\"\n用户意图: 了解为什么订单还没到，什么时候能到\n用户情绪: 轻度焦虑（从用词判断）\n```\n\n2. **上下文层选择**\n\n| 层次 | 内容 | 是否包含 | 原因 |\n|------|------|----------|------|\n| 目标层 | 查询物流状态+解释延误 | ✅ | 核心任务 |\n| 规则层 | 物流规则、赔付政策边界 | ✅ | 约束回复 |\n| 知识层 | 物流公司合作政策、常见问题 | ✅ | 提供解释素材 |\n| 状态层 | 已提供的订单号、已解释的内容 | ✅ | 避免重复询问 |\n| 记忆层 | 用户偏好简洁解释 | ✅ | 个性化风格 |\n\n3. **动态拼装示例**\n\n```yaml\n# 最终输入给模型的上下文\n\nsystem_prompt: |\n  你是电商平台客服助手。\n  任务：帮助用户理解订单物流状态，提供准确的延误解释和预计时间。\n\n目标层:\n  用户问题: \"我的订单怎么还没到？已经等了一周了\"\n  咨询类型: 物流延误解释\n  用户情绪: 轻度焦虑\n\n规则层:\n  - 必须先核实具体的物流信息，不能泛泛而谈\n  - 延误超过7天的订单，可主动提供补偿方案\n  - 不可承诺具体的送达时间，只能提供预计范围\n  - 涉及赔付的必须转人工确认\n  - 保持安抚但专业的语气\n\n知识层（检索到的相关资料）:\n  [1] 物流合作方延误常见原因说明\n  [2] 当前地区物流积压情况（官方公告）\n  [3] 历史类似案例的有效安抚话术\n\n状态层（当前会话）:\n  订单号: 123456789\n  物流状态: 运输中，当前在XX中转站\n  最新轨迹: 2024-01-10 到达XX中转站（已停留3天）\n  已解释内容: 无（首次询问）\n  已提供的安抚: 无\n\n记忆层:\n  用户偏好: 简洁直接（基于历史会话）\n```\n\n4. **成本与窗口控制**\n\n```yaml\n总Token数: 约800 tokens\n  - 系统提示: 100 tokens\n  - 目标层: 100 tokens  \n  - 规则层: 150 tokens\n  - 知识层: 300 tokens（检索Top3）\n  - 状态层: 100 tokens\n  - 记忆层: 50 tokens\n\n优化策略:\n  - 知识层只取Top3最相关结果\n  - 规则层优先显示高优先级约束\n  - 状态层自动去重（避免重复信息）\n  \n成本控制:\n  - 单次调用成本: ~$0.01\n  - 响应时间: ~1.5s\n```\n\n5. **失败检测规则**\n\n```yaml\n检测项:\n  - 上下文缺失: 检查是否包含必要的状态信息\n  - 信息冲突: 检查规则层是否有矛盾约束\n  - 上下文过期: 检查物流信息是否为最新（<24小时）\n  - Token超限: 如果>2000 tokens，触发压缩策略\n    \n自动纠偏:\n  - 如果缺少订单号 → 先询问订单号，不进入主流程\n  - 如果物流信息过期 → 触发实时查询更新\n  - 如果Token超限 → 只保留最核心的规则和知识\n```\n\n**输出结果**：\n\n```yaml\n# 上下文工程方案：AI 客服\n\n上下文层次定义:\n  \n  目标层:\n    内容: [用户原始问题, 意图识别结果, 情绪分析, 咨询类型]\n    来源: 实时分析\n    优先级: 最高\n    \n  规则层:\n    内容: [业务规则, 权限边界, 禁用操作, 语气要求]\n    来源: 规则引擎（按咨询类型加载）\n    优先级: 高\n    \n  知识层:\n    内容: [检索到的相关资料, 案例, FAQ]\n    来源: RAG检索（Top K=3）\n    优先级: 中\n    更新: 实时检索\n    \n  状态层:\n    内容: [订单信息, 会话历史, 已解释内容, 已承诺事项]\n    来源: 记忆系统\n    优先级: 高\n    生命周期: 当前会话\n    \n  记忆层:\n    内容: [用户偏好, 历史问题模式]\n    来源: 长期记忆\n    优先级: 低\n\n动态拼装策略:\n  \n  标准咨询（如物流查询）:\n    包含: 目标层 + 规则层 + 知识层(Top2) + 状态层\n    平均长度: ~600 tokens\n    \n  复杂咨询（如售后纠纷）:\n    包含: 全部5层\n    平均长度: ~1000 tokens\n    \n  简单咨询（如活动规则）:\n    包含: 目标层 + 知识层(Top1) + 规则层（简化）\n    平均长度: ~400 tokens\n\n质量保证:\n  - Token预算: 最大1500 tokens，超预算则压缩知识层\n  - 重复检测: 自动去重（如订单号已明确不再重复放入）\n  - 时效检测: 物流信息>24小时则触发更新\n  - 冲突检测: 规则层如有矛盾，优先显示高优先级规则\n```\n\n---\n\n### 示例：多轮对话上下文管理\n\n**场景描述**：\n企业内部 AI 助手支持员工查询 HR 政策、IT 工单和行政流程。对话经常持续 5-10 轮，中间会切换话题（如从请假政策切到报销流程）。系统需要在有限 token 窗口内维持多轮对话的连贯性，同时避免旧话题的上下文干扰新话题。\n\n**用户输入**：\n\"我们的 AI 助手在多轮对话后经常'失忆'——用户第 3 轮问的问题它还记得，但第 7 轮时突然忘记前面说过什么。而且切换话题后，它还会用旧话题的上下文来回答新问题。\"\n\n**Skill 执行流程**：\n\n1. **任务目标识别**\n\n```yaml\n任务类型: 多轮对话上下文管理\n核心问题: 上下文窗口溢出导致早期对话丢失 + 话题切换时旧上下文干扰\n用户角色: 企业内部员工\n对话特征: 5-10轮/会话，话题频繁切换\n```\n\n2. **上下文层选择**\n\n| 层次 | 内容 | 是否包含 | 原因 |\n|------|------|----------|------|\n| 目标层 | 当前轮次的用户意图 + 话题标签 | ✅ | 核心任务 |\n| 规则层 | 权限边界（员工只能查自己的数据）、回答格式 | ✅ | 约束回复 |\n| 知识层 | HR政策文档、IT工单系统、行政流程手册 | ✅ | 按话题动态检索 |\n| 状态层 | 当前话题、近3轮摘要、已确认的关键信息 | ✅ | 维持连贯性 |\n| 记忆层 | 用户历史偏好（如偏好简洁回答）、常见问题模式 | ⚠️ 可选 | 仅长会话激活 |\n\n3. **动态拼装示例**\n\n```yaml\n# 多轮对话上下文拼装策略\n\n滑动窗口策略:\n  完整保留: 最近3轮对话原文\n  摘要压缩: 第4轮之前的对话 → 生成结构化摘要\n  淘汰规则: 超过8轮且话题已切换的旧对话 → 仅保留关键事实摘要\n\n话题切换检测:\n  触发条件: 用户意图分类发生变化（如从\"请假\"切到\"报销\"）\n  处理方式:\n    - 旧话题上下文 → 写入记忆层摘要，从工作上下文移除\n    - 新话题 → 触发对应知识层检索，注入新话题相关文档\n    - 保留跨话题的通用状态（如用户身份、已确认的个人信息）\n\n最终上下文组装（第7轮，话题已切换）:\n  system_prompt: |\n    你是企业内部AI助手，帮助员工查询HR政策、IT工单和行政流程。\n\n  目标层:\n    当前话题: 报销流程\n    用户意图: 了解差旅报销的审批流程和时间节点\n    话题标签: [行政-报销]\n\n  规则层:\n    - 只能查询当前用户的工单和审批记录\n    - 不可代替用户提交审批\n    - 涉及金额>5000元需提示需部门经理审批\n\n  知识层（当前话题检索结果）:\n    [1] 差旅报销管理办法（2024版）- 审批流程章节\n    [2] 报销系统操作指南 - 提交与查询\n    [3] 常见报销问题FAQ\n\n  状态层:\n    当前轮次: 第7轮\n    当前话题: 行政-报销\n    近3轮摘要: |\n      第5轮: 用户询问报销需要哪些材料 → 已回答（发票、行程单、审批单）\n      第6轮: 用户确认已有电子发票 → 已确认\n      第7轮（当前）: 用户询问审批流程\n    已确认信息:\n      - 用户姓名: 张三\n      - 已有电子发票\n    旧话题摘要（仅保留关键事实）:\n      - 之前查询过2024年年假余额（剩余5天），话题已结束\n\n  记忆层:\n    用户偏好: 简洁回答，喜欢列表格式\n```\n\n4. **成本与窗口控制**\n\n```yaml\nToken预算分配（总上限2000 tokens）:\n  - 系统提示: 80 tokens\n  - 目标层: 60 tokens\n  - 规则层: 120 tokens\n  - 知识层: 800 tokens（当前话题Top3）\n  - 状态层: 500 tokens（近3轮 + 摘要）\n  - 记忆层: 40 tokens\n\n压缩策略:\n  - 当总token > 1800: 将\"近3轮\"降级为\"近2轮\"\n  - 当总token > 2000: 知识层从Top3降为Top2\n  - 旧话题摘要始终保留（仅占~50 tokens，但避免重复回答）\n\n成本控制:\n  - 单次调用成本: ~$0.008\n  - 响应时间: ~1.2s\n```\n\n5. **失败检测规则**\n\n```yaml\n检测项:\n  - 上下文缺失: 检查当前话题的知识层是否为空（话题切换后未触发检索）\n  - 话题漂移: 检查模型回复是否涉及旧话题的内容\n  - 状态丢失: 检查已确认信息（如订单号、用户姓名）是否仍在上下文中\n  - Token超限: 总token > 2000时触发压缩\n\n自动纠偏:\n  - 知识层为空 → 触发当前话题的RAG检索\n  - 检测到话题漂移 → 注入话题标签提醒，重新生成\n  - 关键状态丢失 → 从记忆系统恢复已确认信息\n```\n\n**输出结果**：\n\n```yaml\n# 上下文工程方案：多轮对话上下文管理\n\n上下文层次定义:\n  目标层:\n    内容: [当前用户意图, 话题标签, 情绪状态]\n    来源: 实时意图分类\n    优先级: 最高\n\n  规则层:\n    内容: [权限边界, 禁用操作, 回答格式要求]\n    来源: 规则引擎（按话题标签加载）\n    优先级: 高\n\n  知识层:\n    内容: [当前话题相关文档, FAQ, 操作指南]\n    来源: RAG检索（按话题触发，TopK=3）\n    优先级: 中\n    更新: 话题切换时重新检索\n\n  状态层:\n    内容: [近N轮对话原文, 更早对话摘要, 已确认关键信息, 当前话题]\n    来源: 会话状态管理器\n    优先级: 高\n    生命周期: 当前会话\n\n  记忆层:\n    内容: [用户偏好, 历史交互模式]\n    来源: 长期记忆系统\n    优先级: 低\n\n动态拼装策略:\n  话题未切换（连续对话）:\n    包含: 目标层 + 规则层 + 知识层(保持) + 状态层(扩展)\n    完整对话保留: 最近3轮\n    平均长度: ~1200 tokens\n\n  话题已切换:\n    包含: 目标层 + 规则层(重新加载) + 知识层(重新检索) + 状态层(压缩旧话题)\n    完整对话保留: 仅当前话题的轮次\n    平均长度: ~1000 tokens\n\n  长会话（>8轮）:\n    包含: 全部5层（激活记忆层）\n    旧对话: 全部压缩为摘要\n    平均长度: ~1500 tokens\n\n质量保证:\n  - Token预算: 最大2000 tokens，超预算则压缩旧对话和知识层\n  - 话题漂移检测: 每轮对比回复内容与当前话题标签\n  - 状态完整性: 每轮检查已确认信息是否仍在上下文中\n  - 摘要质量: 摘要由模型生成后经结构化校验（必须包含关键事实字段）\n```\n\n---\n\n### 示例：RAG 检索上下文组装\n\n**场景描述**：\n企业知识问答产品需要基于内部文档库回答员工问题。文档库包含产品手册、技术规范、合规要求等上万份文档。系统使用 RAG 检索相关内容后，需要将检索结果合理组装进模型上下文——既要提供足够知识支撑回答，又要避免检索噪音和信息冲突。\n\n**用户输入**：\n\"我们的知识问答系统接了 RAG，能检索到文档，但回答质量不稳定。有时候检索到了正确文档但回答还是错的，有时候把不相关的文档也塞进去了导致胡说八道。\"\n\n**Skill 执行流程**：\n\n1. **任务目标识别**\n\n```yaml\n任务类型: RAG检索结果的上下文组装\n核心问题: 检索结果质量参差 + 上下文组装策略缺失导致噪音淹没信号\n用户角色: 企业员工（按部门区分权限）\n文档库规模: ~10000份文档，涵盖产品手册、技术规范、合规要求\n```\n\n2. **上下文层选择**\n\n| 层次 | 内容 | 是否包含 | 原因 |\n|------|------|----------|------|\n| 目标层 | 用户问题 + 问题分类 + 置信度 | ✅ | 指导检索和生成策略 |\n| 规则层 | 回答约束（不可编造、必须标注来源、合规要求） | ✅ | 约束生成行为 |\n| 知识层 | RAG检索结果（分优先级排列） | ✅ | 核心知识来源 |\n| 状态层 | 用户所属部门、权限级别、已查阅文档 | ✅ | 权限过滤 + 去重 |\n| 记忆层 | 用户常查领域、历史满意度反馈 | ⚠️ 可选 | 用于个性化排序 |\n\n3. **动态拼装示例**\n\n```yaml\n# RAG检索上下文组装流程\n\n第一步 - 检索:\n  用户问题: \"产品A的退货流程中，特殊商品（定制类）的处理规则是什么？\"\n  检索策略: 混合检索（语义检索 + 关键词检索）\n  初始召回: Top10\n\n第二步 - 重排序与过滤:\n  重排序模型: cross-encoder\n  过滤规则:\n    - 权限过滤: 移除用户无权访问的文档（如仅限法务部的合规文档）\n    - 时效过滤: 标记>6个月未更新的文档为\"可能过期\"\n    - 相关性阈值: 移除相关性分数<0.6的结果\n  过滤后结果: Top5\n\n第三步 - 上下文组装:\n  排列策略: 按相关性分数降序，高置信结果优先\n  来源标注: 每段检索结果标注文档名、章节、更新日期\n  冲突处理: 若检索结果之间存在矛盾，标注\"⚠️ 以下内容存在差异，请以更新日期较新的文档为准\"\n\n最终上下文:\n  system_prompt: |\n    你是企业知识问答助手。回答必须基于提供的文档资料，不可编造信息。\n    每条回答必须标注信息来源（文档名+章节）。\n    如果提供的资料不足以回答问题，请明确说明\"当前资料中未找到相关信息\"。\n\n  目标层:\n    用户问题: \"产品A的退货流程中，特殊商品（定制类）的处理规则是什么？\"\n    问题分类: 产品-售后-特殊商品退货\n    置信度: 中（问题较具体，需精确匹配）\n\n  规则层:\n    - 必须基于检索到的文档回答，不可使用模型内部知识\n    - 每条信息必须标注来源\n    - 资料不足时明确告知，不可猜测\n    - 定制类商品涉及特殊条款，需同时引用退货政策和定制商品管理规定\n    - 回答需标注文档时效（是否可能过期）\n\n  知识层（检索结果，已重排序和过滤）:\n    [1] 《产品A售后政策》第5章-特殊商品退货处理（更新: 2024-03）\n        相关性: 0.92 | 权限: 全员可见\n        内容摘要: |\n          定制类商品退货需满足以下条件：(1) 商品存在质量问题；\n          (2) 定制规格与订单不符。定制类商品不支持无理由退货。\n          退货流程需在收货后15个工作日内发起……\n\n    [2] 《定制商品管理办法》第3章-退换货规则（更新: 2024-01）\n        相关性: 0.85 | 权限: 全员可见\n        内容摘要: |\n          定制商品分为标准定制和完全定制两类。标准定制（如刻字）\n          可在7天内申请退货；完全定制（如按客户图纸生产）不支持\n          退货，仅支持质量问题换货……\n\n    [3] 《产品A售后政策》第2章-通用退货流程（更新: 2024-03）\n        相关性: 0.71 | 权限: 全员可见\n        内容摘要: |\n          所有退货申请需通过售后系统提交，审核周期3-5个工作日……\n\n    [4] 《2023年退货政策汇编》（更新: 2023-06）\n        相关性: 0.65 | 权限: 全员可见 | ⚠️ 可能过期（>6个月未更新）\n        内容摘要: |\n          旧版退货政策，其中定制商品退货条件与现行版本不同……\n\n  状态层:\n    用户部门: 市场部\n    权限级别: 普通员工\n    本次会话已查阅: 无（首次查询）\n\n  记忆层: （本次不激活）\n```\n\n4. **成本与窗口控制**\n\n```yaml\nToken预算分配（总上限3000 tokens）:\n  - 系统提示: 120 tokens\n  - 目标层: 80 tokens\n  - 规则层: 150 tokens\n  - 知识层: 2000 tokens（Top4，含来源标注）\n  - 状态层: 100 tokens\n  - 记忆层: 0 tokens（本次不激活）\n\n检索结果裁剪策略:\n  - 标准模式: Top3-5，每段摘要≤300 tokens\n  - 精确模式（问题较复杂）: Top5-8，每段摘要≤500 tokens\n  - 简洁模式（简单问题）: Top2，每段摘要≤200 tokens\n  - 模式选择: 根据问题分类和置信度自动判断\n\n成本控制:\n  - 检索阶段: ~$0.002（向量检索 + 重排序）\n  - 生成阶段: ~$0.015（上下文较长）\n  - 总单次成本: ~$0.017\n  - 响应时间: ~2.5s（含检索1s + 生成1.5s）\n```\n\n5. **失败检测规则**\n\n```yaml\n检测项:\n  - 检索结果为空: 没有检索到相关文档 → 不进入生成阶段\n  - 检索质量低: Top1相关性<0.5 → 提示\"未找到高度匹配的资料\"\n  - 信息冲突: 多个检索结果对同一问题给出不同答案 → 触发冲突标注\n  - 时效风险: 引用的文档>6个月未更新 → 在回答中标注时效提醒\n  - 权限泄露: 检索结果包含用户无权文档 → 移除并记录异常\n  - 幻觉检测: 生成的回答中出现检索文档里没有的信息 → 触发重新生成\n\n自动纠偏:\n  - 检索为空 → 扩大检索范围（降低阈值 / 增加TopK），若仍为空则返回\"未找到\"\n  - 信息冲突 → 优先采用更新日期更近的文档，并在回答中标注差异\n  - 幻觉检测 → 在规则层强化\"只基于提供的资料回答\"，重新生成\n  - 检索质量持续低 → 记录问题，触发知识库更新提醒\n```\n\n**输出结果**：\n\n```yaml\n# 上下文工程方案：RAG检索上下文组装\n\n上下文层次定义:\n  目标层:\n    内容: [用户原始问题, 问题分类, 置信度评估, 是否需要精确引用]\n    来源: 实时分析\n    优先级: 最高\n\n  规则层:\n    内容: [回答约束, 来源标注要求, 时效提醒规则, 幻觉防护规则]\n    来源: 固定规则 + 按问题类型动态加载\n    优先级: 高\n\n  知识层:\n    内容: [RAG检索结果, 重排序后的TopK文档片段, 来源元数据]\n    来源: 混合检索（语义+关键词）→ cross-encoder重排序 → 权限过滤\n    优先级: 最高（本场景核心）\n    更新: 每次查询实时检索\n\n  状态层:\n    内容: [用户部门, 权限级别, 已查阅文档, 会话历史]\n    来源: 用户系统 + 会话管理\n    优先级: 高\n    生命周期: 当前会话\n\n  记忆层:\n    内容: [用户常查领域, 历史满意度, 反馈记录]\n    来源: 长期记忆\n    优先级: 低\n\n动态拼装策略:\n  高置信精确问题（如\"产品A退货流程\"）:\n    包含: 目标层 + 规则层 + 知识层(Top3, 精确摘要) + 状态层\n    知识层处理: 每段标注文档名、章节、更新日期\n    平均长度: ~1500 tokens\n\n  低置信模糊问题（如\"公司的规定是什么\"）:\n    包含: 目标层 + 规则层(强化) + 知识层(Top5, 宽泛摘要) + 状态层\n    知识层处理: 额外标注每段与问题的相关性说明\n    平均长度: ~2000 tokens\n\n  涉及时效的问题（如\"最新政策\"）:\n    包含: 全部层（含记忆层用于判断用户历史偏好）\n    额外规则: 移除>3个月未更新的文档，标注文档时效\n    平均长度: ~2500 tokens\n\n质量保证:\n  - Token预算: 最大3000 tokens，知识层超预算时裁剪低相关性结果\n  - 检索质量评估: Top1相关性<0.5时降级为\"建议性回答\"\n  - 幻觉防护: 生成后对比回答与检索内容，移除未被支撑的声明\n  - 时效管理: 文档>6个月自动标注提醒，>12个月触发知识库更新告警\n  - 权限校验: 每次检索结果经权限过滤后才进入上下文\n```","tags":["native","context","engineering","product","agent","skills","gmaxxxie","agent-skills","ai-agent","ai-native","ai-product","methodology"],"capabilities":["skill","source-gmaxxxie","skill-ai-native-context-engineering","topic-agent-skills","topic-ai-agent","topic-ai-native","topic-ai-product","topic-methodology","topic-product-management","topic-product-methodology","topic-product-thinking","topic-skills"],"categories":["ai-native-product-agent-skills"],"synonyms":[],"warnings":[],"endpointUrl":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/ai-native-context-engineering","protocol":"skill","transport":"skills-sh","auth":{"type":"none","details":{"cli":"npx skills add gmaxxxie/ai-native-product-agent-skills","source_repo":"https://github.com/gmaxxxie/ai-native-product-agent-skills","install_from":"skills.sh"}},"qualityScore":"0.478","qualityRationale":"deterministic score 0.48 from registry signals: · indexed on github topic:agent-skills · 56 github stars · SKILL.md body (11,438 chars)","verified":false,"liveness":"unknown","lastLivenessCheck":null,"agentReviews":{"count":0,"score_avg":null,"cost_usd_avg":null,"success_rate":null,"latency_p50_ms":null,"narrative_summary":null,"summary_updated_at":null},"enrichmentModel":"deterministic:skill-github:v1","enrichmentVersion":1,"enrichedAt":"2026-05-18T18:57:23.589Z","embedding":null,"createdAt":"2026-05-01T01:02:49.360Z","updatedAt":"2026-05-18T18:57:23.589Z","lastSeenAt":"2026-05-18T18:57:23.589Z","tsv":"'-01':363,1090 '-03':1070,1112 '-06':1126 '-10':364,553,588 '-5':1176 '-8':1183 '0':1170 '0.002':1197 '0.008':763 '0.01':408 '0.015':1201 '0.017':1204 '0.5':1219,1372 '0.6':1005 '0.65':1128 '0.71':1114 '0.85':1092 '0.92':1072 '1':53,135,175,223,251,282,347,576,677,924,1063,1077 '1.2':765 '1.5':410 '100':383,386,396,1167 '1000':514,877 '10000份文档':936 '120':732,1153 '1200':863 '123456789':357 '12个月触发知识库更新告警':1381 '150':389,1159 '1500':887,1334 '1800':748 '2':57,142,178,230,253,293,349,592,681,940,1079,1083 '2.5':1206 '200':1191 '2000':425,754,1162,1350 '2000时触发压缩':783 '2023':1125 '2023年退货政策汇编':1123 '2024':362,1069,1089,1111 '2024版':679 '24小时':422 '24小时则触发更新':537 '2500':1363 '3':65,150,183,235,255,318,352,472,567,623,684,825,972,1105 '300':392,1178 '3个月未更新的文档':1360 '4':70,159,187,238,257,376,719,1122,1146 '40':744 '400':525 '5':76,166,243,259,412,552,587,767,1210 '50':399 '500':739,1185 '5000元需提示需部门经理审批':674 '5个工作日':1121 '6':83,261 '60':729 '600':507 '6个月未更新':1132,1227 '6个月未更新的文档为':1001 '6个月自动标注提醒':1380 '7':263,570 '80':726,1156 '800':735 '8轮':880 'ai':2,6,21,25,43,111,119,199,205,215,267,270,276,439,545,563 'ai-native-context-engin':1 'ai不知道自己在做什么':36 'ai又问一遍':279 'ai被噪音淹没':39 'context':4,90 'cross':993,1288 'cross-encod':992 'cross-encoder重排序':1287 'encod':994 'encoder重排序':1289 'engin':5,91 'faq':467,819 'hr':547 'hr政策文档':608 'it工单和行政流程':660 'it工单系统':609 'k':471 'nativ':3,7,22,26 'prompt':323,657,1025 'rag':902,910,917 'rag检索':469,822 'rag检索上下文组装':1255 'rag检索上下文组装流程':975 'rag检索结果':958,1280 'rag检索结果的上下文组装':928 'skill':10,12,28,280,574,922 'skill-ai-native-context-engineering' 'source-gmaxxxie' 'system':322,656,1024 'token':48,73,81,381,384,387,390,393,397,400,426,508,515,526,530,558,724,727,730,733,736,740,745,759,864,878,888,892,1151,1154,1157,1160,1163,1168,1171,1179,1186,1192,1335,1351,1364,1368 'token超限':423,781 'token预算':528,890,1366 'token预算分配':722,1149 'top':470 'top1':521 'top10':988 'top1相关性':1218,1371 'top2':504,1189 'top3':1175,1326 'top4':1164 'top5':1008,1182,1344 'topic-agent-skills' 'topic-ai-agent' 'topic-ai-native' 'topic-ai-product' 'topic-methodology' 'topic-product-management' 'topic-product-methodology' 'topic-product-thinking' 'topic-skills' 'topk':824 'yaml':284,320,378,414,437,578,625,721,769,793,926,974,1148,1212,1253 '~50':758 '一旦上下文层选择错误':131 '上下文中的一小部分':95 '上下文太多':38,204 '上下文太少':35,198 '上下文层次':103 '上下文层次定义':441,796,1256 '上下文层次设计':224 '上下文层选择':15,58,126,294,593,941 '上下文工程':27,89 '上下文工程方案':222,438,794,1254 '上下文工程流程':123 '上下文工程的四个目标':174 '上下文工程的实操':9 '上下文模板如何版本化':245 '上下文的五个层次':134 '上下文窗口溢出导致早期对话丢失':582 '上下文组装':1010 '上下文组装策略缺失导致噪音淹没信号':931 '上下文缺失':416,771 '上下文较长':1202 '上下文过期':420 '不可代替用户提交审批':672 '不可使用模型内部知识':1052 '不可承诺具体的送达时间':341 '不可猜测':1055 '不可编造':953 '不可编造信息':1028 '不支持':1102 '不是固定模板':189 '不是把所有信息都塞进去':177 '不知道自己在做什么':200 '不能承诺赔付':147 '不能暴露其他用户信息':148 '不能泛泛而谈':338 '不进入主流程':431 '不进入生成阶段':1216 '与用户或历史案例相关的长期背景':168 '业务规则':454 '个性化风格':317 '中':474,827,1047 '中间会切换话题':555 '为什么上下文工程是核心能力':108 '为每次调用临时组装所需上下文':69,102 '之前查询过2024年年假余额':712 '了解为什么订单还没到':288 '了解售后政策':141 '了解差旅报销的审批流程和时间节点':665 '产品':1043 '产品-售后-特殊商品退货':1042 '产品a售后政策':1064,1106 '产品a的退货流程中':979,1037 '产品a退货流程':1321 '产品方法论':8,23 '产品的上下文组织方案':44 '产品问题的本质':120 '产品需要组织复杂的输入信息交给模型':30 '什么时候能到':289 '仅保留关键事实':711 '仅保留关键事实摘要':635 '仅占':757 '仅当前话题的轮次':875 '仅支持质量问题换货':1104 '仅长会话激活':622 '从工作上下文移除':646 '从用词判断':292 '从记忆系统恢复已确认信息':791 '令牌消耗':185 '以下内容存在差异':1021 '任务':100,325 '任务或格式约束':97 '任务目标识别':14,54,283,577,925 '任务类型':579,927 '任务类型和当前状态':68 '任务进入':124 '企业内部':544 '企业内部员工':585 '企业员工':933 '企业知识问答产品需要基于内部文档库回答员工问题':905 '优先显示高优先级规则':540 '优先级':450,461,473,485,495,804,814,826,838,848,1265,1276,1291,1305,1316 '优先采用更新日期更近的文档':1243 '优化策略':401 '会话':590 '会话历史':480,1301 '会话状态管理器':837 '会话管理':1304 '传统软件的行为主要由代码逻辑决定':109 '但回答质量不稳定':919 '但第':569 '但避免重复回答':760 '低':496,849,1317 '低置信模糊问题':1336 '你是企业内部ai助手':658 '你是企业知识问答助手':1026 '你是电商平台客服助手':324 '使用了过期的规则或状态':219 '使用场景':29 '使用方式':248 '例如':138,146,155,163,169 '保持':857 '保持安抚但专业的语气':344 '保留跨话题的通用状态':650 '信息冲突':418,1222,1242 '信息冲突检测':79 '先询问订单号':430 '全员可见':1074,1094,1116,1130 '全部5层':512,882 '全部压缩为摘要':885 '全部层':1356 '公司的规定是什么':1338 '关键状态丢失':790 '关键词':1286 '关键词检索':986 '其中定制商品退货条件与现行版本不同':1135 '内容':296,443,453,464,478,490,595,798,807,817,831,843,943,1258,1268,1279,1297,1310 '内容摘要':1075,1095,1117,1133 '写入记忆层摘要':645 '冲突处理':1018 '冲突检测':538 '分优先级排列':959 '分层注入或压缩策略':51 '切到':641 '初始召回':987 '到达xx中转站':365 '制定窗口与成本策略':258 '剩余5天':713 '动态拼装':16,66,98,127 '动态拼装原则':190 '动态拼装示例':319,624,973 '动态拼装策略':497,850,1318 '动态拼装规则':86,231 '助手在多轮对话后经常':564 '助手支持员工查询':546 '包含':500,511,518,853,866,881,1322,1339,1355 '单次调用成本':407,762 '历史交互模式':845 '历史满意度':1312 '历史满意度反馈':969 '历史类似案例的有效安抚话术':353 '历史问题模式':492 '压缩旧话题':873 '压缩策略':746 '原因':298,597,945 '去重':966 '又要避免信息过载':273 '又要避免检索噪音和信息冲突':914 '反馈记录':1313 '发票':697 '只保留最核心的规则和知识':435 '只基于提供的资料回答':1247 '只能提供预计范围':342 '只能查询当前用户的工单和审批记录':671 '可主动提供补偿方案':340 '可在7天内申请退货':1099 '可替换':32 '可治理的上下文组织方案':33 '可能过期':1002,1131 '可选':621,970 '合规要求':939,955 '合规要求等上万份文档':908 '同时避免旧话题的上下文干扰新话题':560 '后面的生成质量':132 '向量检索':1198 '含来源标注':1165 '含检索1s':1208 '含记忆层用于判断用户历史偏好':1357 '员工只能查自己的数据':604 '咨询类型':332,447 '响应时间':409,764,1205 '哪些是参考':217 '售后':1044 '售后政策文档':156 '商品存在质量问题':1078 '商品说明':158 '喜欢列表格式':718 '回答必须基于提供的文档资料':1027 '回答格式':605 '回答格式要求':810 '回答约束':952,1269 '回答需标注文档时效':1058 '固定规则':1274 '在回答中标注时效提醒':1228 '在有限的':72 '在有限窗口内控制上下文成本':184 '在没有背景资料':114 '在规则层强化':1246 '场景描述':269,543,904 '基于':20 '基于历史会话':375 '增加topk':1239 '处理方式':643 '复杂咨询':509 '多个检索结果对同一问题给出不同答案':1223 '多轮对话上下文拼装策略':626 '多轮对话上下文管理':542,580,795 '失忆':565 '失败检测规则':77,239,413,768,1211 '好的上下文不是固定模板':191 '如':1320,1337,1353 '如仅限法务部的合规文档':998 '如从':639 '如从请假政策切到报销流程':556 '如何判断上下文是否足够':240 '如何回滚':247 '如何在有限窗口内优化信息密度':237 '如何测试':246 '如偏好简洁回答':619 '如刻字':1098 '如售后纠纷':510 '如按客户图纸生产':1101 '如果':424 '如果token超限':434 '如果提供的资料不足以回答问题':1032 '如果物流信息过期':432 '如果缺少订单号':429 '如活动规则':517 '如物流查询':499 '如用户身份':651 '如订单号':778 '如订单号已明确不再重复放入':534 '它还会用旧话题的上下文来回答新问题':573 '完全定制':1100 '完整保留':628 '完整对话保留':860,874 '官方公告':351 '定义上下文五个层次':254 '定制商品分为标准定制和完全定制两类':1096 '定制商品管理办法':1084 '定制类':981,1039 '定制类商品不支持无理由退货':1081 '定制类商品涉及特殊条款':1056 '定制类商品退货需满足以下条件':1076 '定制规格与订单不符':1080 '实时分析':449,1264 '实时意图分类':803 '实时检索':476 '审批单':699 '审批流程章节':680 '审核周期3':1120 '审核周期3-5个工作日':1119 '客服':440 '客服上下文工程设计':268 '客服有时候给出的回答前后矛盾':277 '客服系统需要为不同咨询类型动态组织上下文':271 '宽泛摘要':1345 '对话特征':586 '对话经常持续':551 '将':749 '层次':295,594,942 '层次混乱':210 '工具调用和风险边界都会整体失真':133 '工单和行政流程':550 '差旅报销管理办法':678 '已停留3天':366 '已回答':696 '已承诺事项':482 '已提供的安抚':370 '已提供的订单号':312 '已有电子发票':709 '已查阅文档':964,1300 '已确认':702 '已确认信息':706 '已确认关键信息':834 '已确认的个人信息':652 '已确认的关键信息':615 '已经做过什么':162 '已经等了一周了':331 '已解释内容':367,481 '已解释的内容':313 '已解释过的内容':165 '已重排序和过滤':1062 '市场部':1138 '帮助员工查询hr政策':659 '帮助用户理解订单物流状态':326 '常见失败模式':197 '常见报销问题faq':685 '常见问题':309 '常见问题模式':620 '平均长度':506,513,524,862,876,886,1333,1349,1362 '并不是模型不够强':121 '并在回答中标注差异':1244 '幻觉':202 '幻觉检测':1232,1245 '幻觉防护':1375 '幻觉防护规则':1272 '延误超过7天的订单':339 '延迟':186 '延迟增加':209 '建议性回答':1374 '引用的文档':1226 '张三':708 '强化':1342 '当前':704 '当前会话':355,488,841,1308 '当前会话已提供订单号':164 '当前在xx中转站':360 '当前地区物流积压情况':350 '当前流程进行到哪里':161 '当前状态决定哪些层激活':234 '当前用户意图':799 '当前话题':613,662,689,835 '当前话题top3':737 '当前话题检索结果':676 '当前话题相关文档':818 '当前资料中未找到相关信息':1034 '当前轮次':687 '当前轮次的用户意图':599 '当总token':747,753 '当用户提供任务场景时':249 '当用户提到以下任一场景时触发':41 '很可能给出完全不同的结果':117 '很多':118 '必须保留人工接管点':149 '必须先核实具体的物流信息':337 '必须包含关键事实字段':900 '必须基于检索到的文档回答':1051 '必须标注来源':954 '怀疑是上下文问题':46 '总token':782 '总token数':379 '总上限2000':723 '总上限3000':1150 '总单次成本':1203 '情绪分析':446 '情绪状态':801 '意图识别结果':445 '成本与窗口控制':17,377,720,1147 '成本控制':406,761,1195 '成本飞涨':208 '我们的':275,562 '我们的知识问答系统接了':916 '我的订单怎么还没到':330 '或':37 '所有退货申请需通过售后系统提交':1118 '执行步骤':52 '执行流程':281,575,923 '扩大检索范围':1237 '扩展':859 '技术规范':907,938 '把任务所需信息按正确顺序':92 '把规则':211 '报销':642,669,692 '报销流程':663 '报销系统操作指南':682 '拿不到历史状态的情况下':116 '指导检索和生成策略':950 '按咨询类型加载':460 '按相关性分数降序':1012 '按话题动态检索':611 '按话题标签加载':813 '按话题触发':823 '按部门区分权限':934 '按问题类型动态加载':1275 '排列策略':1011 '控制单次调用成本和响应延迟':75 '提交与查询':683 '提供准确的延误解释和预计时间':327 '提供解释素材':310 '提示':1220 '提示词':94 '摘要':742 '摘要压缩':630 '摘要由模型生成后经结构化校验':899 '摘要质量':898 '操作指南':820 '政策':548 '整合上下文层次设计':85 '文档':153,1379 '文档名':1030 '文档库包含产品手册':906 '文档库规模':935 '新话题':647 '无':368,371,1142 '无法区分哪些是约束':216 '既要包含足够信息':272 '既要提供足够知识支撑回答':913 '旧对话':884 '旧版退货政策':1134 '旧话题上下文':644 '旧话题摘要':710 '旧话题摘要始终保留':756 '时效失效':218 '时效失效检测和':80 '时效提醒规则':1271 '时效检测':535 '时效管理':1378 '时效过滤':999 '时效风险':1225 '时降级为':1373 '明确用户当前想完成什么任务':55 '是否仍在上下文中':780 '是否包含':297,596,944 '是否可能过期':1059 '是否混乱':242 '是否过期':241 '是否需要精确引用':1262 '普通员工':1140 '更新':475,828,1068,1088,1110,1124,1294 '更新与维护机制':244 '更新日期':1017,1332 '更早对话摘要':833 '最大1500':529 '最大2000':891 '最大3000':1367 '最新政策':1354 '最新轨迹':361 '最终上下文':1023 '最终上下文组装':653 '最终输入给模型的上下文':321 '最近3轮':861 '最近3轮对话原文':629 '最高':451,805,1266,1292 '有时候把不相关的文档也塞进去了导致胡说八道':921 '有时候明明用户已经说了订单号':278 '有时候检索到了正确文档但回答还是错的':920 '未找到':1241 '未找到高度匹配的资料':1221 '本场景核心':1293 '本次不激活':1145,1172 '本次会话已查阅':1141 '权限':1073,1093,1115,1129 '权限和状态':101 '权限校验':1382 '权限泄露':1229 '权限级别':963,1139,1299 '权限边界':455,603,808 '权限过滤':965,996,1290 '来源':448,458,468,483,493,802,811,821,836,846,1263,1273,1283,1302,1314 '来源元数据':1282 '来源标注':1014 '来源标注要求':1270 '查询物流状态':300 '查询订单状态':139 '标准咨询':498 '标准定制':1097 '标准模式':1174 '标注':1020 '标注文档时效':1361 '标记':1000 '核心任务':302,601 '核心概念':88 '核心知识来源':960 '核心问题':581,929 '根据任务类型':232 '根据任务类型决定哪些知识层需要':194 '根据任务类型决定需要激活哪些层次':59 '根据历史交互决定哪些记忆层激活':196 '根据当前状态决定哪些状态层包含':195 '根据用户':99 '根据用户角色':67 '根据用户角色决定哪些规则层可见':193 '根据问题分类和置信度自动判断':1194 '格式':182 '案例':466 '检查已确认信息':777 '检查当前话题的知识层是否为空':772 '检查是否包含必要的状态信息':417 '检查模型回复是否涉及旧话题的内容':775 '检查物流信息是否为最新':421 '检查规则层是否有矛盾约束':419 '检测到话题漂移':787 '检测项':415,770,1213 '检索':977 '检索top3':394 '检索上下文组装':903 '检索为空':1236 '检索到的相关资料':346,465 '检索相关内容后':911 '检索策略':983 '检索结果':1061 '检索结果为空':1214 '检索结果包含用户无权文档':1230 '检索结果裁剪策略':1173 '检索结果质量参差':930 '检索质量低':1217 '检索质量持续低':1249 '检索质量评估':1370 '检索阶段':1196 '模型输出质量不稳定':45 '模式选择':1193 '每条信息必须标注来源':1053 '每条回答必须标注信息来源':1029 '每次查询实时检索':1295 '每次检索结果经权限过滤后才进入上下文':1383 '每段摘要':1177,1184,1190 '每段标注文档名':1330 '每段检索结果标注文档名':1015 '每轮对比回复内容与当前话题标签':895 '每轮检查已确认信息是否仍在上下文中':897 '没有检索到相关文档':1215 '注入新话题相关文档':649 '注入话题标签提醒':788 '涉及时效的问题':1352 '涉及赔付的必须转人工确认':343 '涉及金额':673 '涵盖产品手册':937 '淘汰规则':633 '混合检索':984,1284 '滑动窗口策略':627 '激活记忆层':883 '物流信息':536 '物流公司合作政策':308 '物流合作方延误常见原因说明':348 '物流延误解释':286,333 '物流状态':358 '物流规则':157,304 '特殊商品':980,1038 '特殊商品退货':1045 '特殊商品退货处理':1067 '状态':213 '状态丢失':776 '状态完整性':896 '状态层':63,160,228,311,354,395,477,505,612,686,738,830,858,872,961,1136,1166,1296,1328,1346 '状态层自动去重':404 '生命周期':487,840,1307 '生成':128 '生成1.5s':1209 '生成后对比回答与检索内容':1376 '生成的回答中出现检索文档里没有的信息':1233 '生成结构化摘要':632 '生成阶段':1200 '用于个性化排序':971 '用户偏好':373,491,716,844 '用户偏好某种解释风格':170 '用户偏好简洁解释':316 '用户历史偏好':618 '用户原始问题':444,1259 '用户咨询类型':285 '用户姓名':707,779 '用户常查领域':968,1311 '用户情绪':290,334 '用户意图':287,664 '用户意图分类发生变化':638 '用户所属部门':962 '用户提供任务场景':11 '用户现在到底想完成什么':137 '用户确认已有电子发票':701 '用户第':566 '用户系统':1303 '用户角色':233,584,932 '用户询问审批流程':705 '用户询问报销需要哪些材料':695 '用户输入':274,561,915 '用户部门':1137,1298 '用户问题':329,947,978,1036 '用模型易于理解的方式组织信息':179 '申请退货':140 '的处理规则是什么':982,1040 '的结果':1006 '目标层':60,104,136,225,299,328,385,442,501,519,598,661,728,797,854,867,946,1035,1155,1257,1323,1340 '目标识别':125 '相关性':1071,1091,1113,1127 '相关性阈值':1003 '相同的模型':113 '知识':212 '知识层':62,106,151,227,307,345,391,463,503,520,607,675,734,816,856,870,957,1060,1161,1278,1325,1343 '知识层为空':785 '知识层从top3降为top2':755 '知识层只取top3最相关结果':402 '知识层处理':1329,1347 '知识层超预算时裁剪低相关性结果':1369 '确定任务类型和咨询类别':56 '示例':265,266,541,901 '禁用操作':456,809 '移除':1359 '移除并记录异常':1231 '移除未被支撑的声明':1377 '移除用户无权访问的文档':997 '移除相关性分数':1004 '窗口与成本控制':71 '窗口与成本策略':236 '窗口内优化信息密度':49,74 '窗口内维持多轮对话的连贯性':559 '窗口策略和失败检测规则':87 '章节':1016,1031,1331 '第14章':24 '第2章':1108 '第2章-通用退货流程':1107 '第3章':1086 '第3章-退换货规则':1085 '第4轮之前的对话':631 '第5章':1066 '第5章-特殊商品退货处理':1065 '第5轮':694 '第6轮':700 '第7轮':654,688,703 '第一步':976 '第三步':1009 '第二步':989 '简化':523 '简单咨询':516 '简单问题':1188 '简洁回答':717 '简洁模式':1187 '简洁直接':374 '粒度和边界组织给模型的产品化能力':93 '精确摘要':1327 '精确模式':1180 '系统使用':909 '系统提示':382,725,1152 '系统的行为会显著受到上下文影响':112 '系统需要在有限':557 '系统需要引用哪些资料':152 '约800':380 '约束回复':306,606 '约束生成行为':956 '结构':181 '结果偏题':201 '结果在错误的世界观里工作':220 '结果校验与纠偏':18,130 '给出表面正确但实际不可用的结果':203 '维持连贯性':616 '缺少角色信息':115 '置信度':949,1046 '置信度评估':1261 '而':110 '而且切换话题后':572 '而是上下文组织不对':122 '而是动态拼装':192 '而是要根据任务动态拼装':173 '能检索到文档':918 '自动去重':533 '自动执行':250 '自动执行上下文组织流程':13 '自动纠偏':428,784,1235 '若仍为空则返回':1240 '若检索结果之间存在矛盾':1019 '行业规则':154 '行动':129 '行政':668,691 '行政-报销':667,690 '行政流程手册':610 '行程单':698 '被噪音淹没':206 '规则层':61,105,143,226,303,336,388,452,502,522,602,670,731,806,855,868,951,1050,1158,1267,1324,1341 '规则层优先显示高优先级约束':403 '规则层如有矛盾':539 '规则引擎':459,812 '解释延误':301 '触发冲突标注':1224 '触发压缩策略':427 '触发实时查询更新':433 '触发对应知识层检索':648 '触发当前话题的rag检索':786 '触发条件':40,637 '触发知识库更新提醒':1251 '触发重新生成':1234 '订单信息':479 '订单号':356 '记录问题':1250 '记忆层':64,167,315,372,398,489,617,715,743,842,967,1144,1169,1309 '记忆层和状态层等不同信息层':107 '记忆层的定义和分工':229 '记忆混在一起':214 '记忆系统':484 '设计上下文缺失检测':78 '设计动态上下文拼装':50 '设计动态拼装规则':256 '设计失败检测规则':260 '设计更新与维护机制':262 '识别任务目标':252 '话题切换后未触发检索':773 '话题切换时旧上下文干扰':583 '话题切换时重新检索':829 '话题切换检测':636 '话题已切换':655,865 '话题已结束':714 '话题未切换':851 '话题标签':600,666,800 '话题漂移':774 '话题漂移检测':894 '话题频繁切换':591 '语义':1285 '语义检索':985 '语气要求':457 '请以更新日期较新的文档为准':1022 '请假':640 '请明确说明':1033 '质量保证':527,889,1365 '资料不足时明确告知':1054 '赔付政策边界':305 '超过8轮且话题已切换的旧对话':634 '超限检测':82 '超预算则压缩旧对话和知识层':893 '超预算则压缩知识层':531 '轮':554,589 '轮时突然忘记前面说过什么':571 '轮问的问题它还记得':568 '轻度焦虑':291,335 '输出上下文工程方案':19,84,264 '输出物':221 '输出结果':436,792,1252 '边界和权限':145 '过去类似问题的处理方式':171 '过滤后结果':1007 '过滤规则':995 '运输中':359 '近2轮':752 '近3轮':741,750 '近3轮摘要':614,693 '近n轮对话原文':832 '这个任务有哪些约束':144 '这几层不是每次都全部打开':172 '连续对话':852 '退换货规则':1087 '退货':1103 '退货流程需在收货后15个工作日内发起':1082 '选择真正相关的信息':176 '通常只负责角色':96 '通用退货流程':1109 '避免重复信息':405 '避免重复询问':314 '重复检测':532 '重排序':1199 '重排序与过滤':990 '重排序后的topk文档片段':1281 '重排序模型':991 '重新加载':869 '重新检索':871 '重新生成':789,1248 '重要信息被淹没在不相关的内容中':207 '长会话':879 '长期记忆':494,1315 '长期记忆系统':847 '问题分类':948,1041,1260 '问题较具体':1048 '问题较复杂':1181 '降低阈值':1238 '降级为':751 '随任务阶段动态更新上下文内容':188 '需同时引用退货政策和定制商品管理规定':1057 '需精确匹配':1049 '需要在有限':47 '需要将检索结果合理组装进模型上下文':912 '需要设计':42 '需要设计可解释':31 '需要避免':34 '顺序':180 '额外标注每段与问题的相关性说明':1348 '额外规则':1358 '首次查询':1143 '首次询问':369 '高':462,486,815,839,1277,1306 '高置信精确问题':1319 '高置信结果优先':1013","prices":[{"id":"35b30991-5164-4cba-8244-236d5ee4fe6b","listingId":"1fac1354-0b7b-4cf7-aca5-e17c0092b052","amountUsd":"0","unit":"free","nativeCurrency":null,"nativeAmount":null,"chain":null,"payTo":null,"paymentMethod":"skill-free","isPrimary":true,"details":{"org":"gmaxxxie","category":"ai-native-product-agent-skills","install_from":"skills.sh"},"createdAt":"2026-05-01T01:02:49.360Z"}],"sources":[{"listingId":"1fac1354-0b7b-4cf7-aca5-e17c0092b052","source":"github","sourceId":"gmaxxxie/ai-native-product-agent-skills/ai-native-context-engineering","sourceUrl":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/ai-native-context-engineering","isPrimary":false,"firstSeenAt":"2026-05-01T01:02:49.360Z","lastSeenAt":"2026-05-18T18:57:23.589Z"}],"details":{"listingId":"1fac1354-0b7b-4cf7-aca5-e17c0092b052","quickStartSnippet":null,"exampleRequest":null,"exampleResponse":null,"schema":null,"openapiUrl":null,"agentsTxtUrl":null,"citations":[],"useCases":[],"bestFor":[],"notFor":[],"kindDetails":{"org":"gmaxxxie","slug":"ai-native-context-engineering","github":{"repo":"gmaxxxie/ai-native-product-agent-skills","stars":56,"topics":["agent-skills","ai-agent","ai-native","ai-product","methodology","product-management","product-methodology","product-thinking","skills"],"license":null,"html_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills","pushed_at":"2026-05-06T07:19:36Z","description":"AI Native Product Methodology — 80 executable skills across P0-P14 stages, covering needs discovery to aesthetic authority. From 8 books.","skill_md_sha":"ff42e307f5acbf516164ad7ce5450b800c124a8f","skill_md_path":"skills/ai-native-context-engineering/SKILL.md","default_branch":"main","skill_tree_url":"https://github.com/gmaxxxie/ai-native-product-agent-skills/tree/main/skills/ai-native-context-engineering"},"layout":"multi","source":"github","category":"ai-native-product-agent-skills","frontmatter":{"name":"ai-native-context-engineering","description":"AI Native 产品方法论——上下文工程的实操 Skill。\n用户提供任务场景，Skill 自动执行上下文组织流程：\n任务目标识别 → 上下文层选择 → 动态拼装 → 成本与窗口控制 → 结果校验与纠偏 → 输出上下文工程方案。\n基于《AI Native 产品方法论》第14章。"},"skills_sh_url":"https://skills.sh/gmaxxxie/ai-native-product-agent-skills/ai-native-context-engineering"},"updatedAt":"2026-05-18T18:57:23.589Z"}}