上下文工程

AI 智能体的上下文工程（智能体记忆）始于检索

LangChain 的 Deep Agents 框架介绍了让智能体更高效检索信息的方法。原来智能体有三类问题：搜索方式笨拙，反复打开文件或用不同措辞重复搜索，白白消耗时间和上下文；一次搜索塞进太多内容，把上下文窗口占满；以及拿到过时或不相关的信息，还可能在此基础上继续出错。它的做法是：默认使用 glob 按文件名查找、grep 搜索文件内关键词、read_file 逐页读取，不整份加载文件；结果太大时，把完整结果存成文件，只把路径和摘要交给智能体；自定义检索（如 RAG）则先检索、再存文件、由子智能体去读，主智能体只看相关内容。这样智能体能更快找到对的资料，减少无效搜索和上下文浪费。文中还提到 ls、write_file、edit_file 等内置工具，以及向量库、SQL、搜索 API、MCP 服务器等检索数据源；具体效果数据文中未说明。

AI Helpdesk：为客服坐席生成回复建议的模块化单体参考实现

Giansantos-carlos/ai-helpdesk · Projeto de referencia: helpdesk com assistente de IA demonstrando Spec Driven Development, Arquitetura Monolitica Modular, Context Engineering, Code Review e Quality Gate

这是一个 Java/Spring Boot 的 helpdesk 参考项目，包含用户、知识库、工单与 AI 助手四个模块。助手模块监听工单创建事件，实时排序工单历史与知识库文章，在字符预算内截断后组装上下文，调用 Anthropic Claude API 生成回复建议并持久化，供坐席查询。项目主要用于演示 Spec Driven Development、模块化单体架构、上下文工程、代码评审与质量门禁五类工程实践，README 明确说明它并非可直接投入生产的完整产品。

Deep Agents 的上下文工程：如何在不把所有内容都塞进上下文的情况下记住信息

LangChain 开源了名为 Deep Agents 的智能体框架，用来解决长时间运行的智能体越跑越不准的问题。原因是任务越久，对话记录、工具返回结果和文件越堆越多，超出模型能承载的上下文窗口，准确率就会下降，这叫“上下文腐化”。它的做法是不删除信息，而是把大块工具结果和超长用户消息转存成文件、只给模型看一小段预览，快满时把旧对话压缩成摘要，任务技巧只在需要时加载，噪音大的工作交给子智能体另开窗口处理，学到的东西存成文件带到下次对话。这样模型每次只带真正需要的内容，需要细节时再回头查文件；由于记忆是存在你自己控制的存储里的普通文件，换模型或供应商也不受影响。文章还以每周竞品分析智能体为例演示这些方法，并通过中间件机制接入智能体运行循环。

Pi-Fast-Edits X：通过差分编辑降低 token 消耗的编码代理工具

piriyeets/pi-quantum-ops · Pi-Fast Edits 2026: 75% Faster Code Refactoring with Dirac Token Efficiency

Pi-Fast-Edits X 是一个面向编码代理的差分编辑引擎，旨在通过只生成需要修改的行而非重写整个文件来降低 LLM API 的 token 消耗，README 声称平均减少约 68%。它提供文件结构分析、上下文感知解析、多语言支持、备份回滚、校验和验证，并集成 OpenAI 与 Claude API，附带命令行与终端界面。

River Review：将团队评审标准代码化为可复用技能的 AI 代码评审框架

s977043/river-review · レビューを、組織の判断資産へ。Review Judgment as Code for AI-assisted development — codify your team's review standards as repo-owned skills and run them across the SDLC.

River Review 是一个开源框架，把团队的评审判断标准写成版本化、仓库自有的 skill，可在 plan / diff / tests / JUnit / 既有评审结果等 SDLC 产物之间执行。它面向 Claude Code / Codex / Cursor 等 AI 辅助开发环境，作为团队自有的审计层检查实现代码是否符合团队规则，并提供 Skill Registry、评审用 agent 与并行观点评审角色（bug-hunter、security-scanner、test-gap 等）。项目不替代人类评审，而是输出 findings 与 verdict，GO/NO-GO 与自动合并仍由人或调用方决定。

Deep Agents 技能机制大改版

Deep Agents 是一个用来搭建 AI 智能体的工具，技能则是教智能体做特定事情（比如准备客户会议）的说明文件。过去技能和工具是分开管理的，技能一多就容易占用智能体宝贵的上下文空间，还可能先调用工具却没读过使用说明。这次改版让工具可以绑定在技能上，只有读了技能才会加载对应工具，还支持在对话开始时锁定某个技能、以及在不重开对话的情况下重新加载技能。对使用者来说，长期运行的智能体可以带着成千上万个技能而不挤爆上下文，响应更快、行为更可控。