Context Optimization 情境優化

10 分鐘

有了 Memory、Knowledge、Skills，為什麼還需要 Context Engineering？

到目前為止，Agent 可以記住偏好（Memory）、檢索知識（Knowledge），也會依照做法行動（Skills）。但這些資源加起來，可能遠遠超過一次任務能容納的量。

每一次執行，模型能處理的上下文有限，這個有限的空間稱為 Context Budget。資訊越多不代表越好：無關內容會稀釋重點，過期內容會誤導，互相矛盾的內容會讓結果不穩定。

• Context Selection：這次任務該用哪些資訊？
• Context Prioritization：哪些最重要，該放在最顯眼的位置？
• Context Compression：哪些可以縮短而不失重點？
• Context Quality：放進去的資訊是否相關、可信、最新、安全？

重點: 資源再多，一次任務能用的上下文仍有限，需要有意識地選擇與安排。

10 分鐘

Context Optimization Pipeline

最佳化不是一次性的動作，而是每次任務都會走過的流程。

重點: 每次任務都走過：盤點、挑選、排序、壓縮、組合、執行、更新記憶。

10 分鐘

Compression、Summarization、Compaction 與 Refresh

當資訊必要但太長時，可以壓縮。不同的壓縮做法，處理的是不同的問題。

摘要保留的是「你現在需要的」，但它是一次有損的轉換。高風險內容（金額、日期、法律條款、安全規定）不宜只留摘要，應保留可回溯的原文來源，並讓人能核對。

重點: 壓縮要保留關鍵事實，並留下可回溯的來源；高風險內容由人核對原文。

10 分鐘

六種上下文失敗模式

上下文設計不良時，Agent 的失敗通常屬於下列六種之一。學會辨認，才知道要從哪裡修正。

重點: 先辨認是六種失敗模式中的哪一種，再決定該從哪個步驟修正。

5 分鐘

Context Optimization Challenge

挑戰情境：一位 Agent 要協助準備一份季度採購報告（模擬情境），但手邊的上下文已經塞滿了各式各樣的資訊。你要把每一項分到五個類別之一。

1. 1閱讀情境
   看過這個被塞滿的上下文清單，先不要急著分類。
2. 2逐項分類
   每一項選一個分類，並用一句話寫下理由。
3. 3檢查敏感性
   確認密碼、個資與未授權資訊被移除，沒有被保存進 Memory。練習時請只使用模擬資料。
4. 4比較與討論
   與同學比較結果，同一項資訊可能有不同分類，重點是理由站得住腳。

• 前往 AI 103 實作練習：在「Context Optimization Challenge」活動中，完成分類。

重點: 每一項資訊都要有分類與理由：Remove、Keep、Retrieve Later、Summarize 或 Store as Memory。

5 分鐘

重點回顧與下一步

從 Memory、RAG、Chunking、Knowledge 與 Skills，到 Context Optimization，你已經走完 Agent 記憶、知識與技能設計的核心概念。下一步是把它們整合在一張 Agent Memory, Knowledge & Skills Canvas 中：人定義任務，AI 協助執行，人審核並負責結果。

• 前往 AI 103 實作練習
• 前往 AI 103 評量

重點: 最佳化的目的不是塞更多資訊，而是讓 Agent 在對的時間得到對的資訊，並由人負責。