年华转瞬 ·

上下文

💡 原文英文，约1000词，阅读约需4分钟。

📝

内容提要

本文探讨将大型语言模型（LLM）视为即兴喜剧演员，强调上下文管理的重要性。随着AI工具的发展，关注点已从提示工程转向上下文控制。使用MCP和子代理等工具可以提升输出质量。总体而言，AI工具的创新主要体现在上下文管理上，而非模型智能的提升。

🎯

🔎

在使用大型语言模型（LLM）时，上下文的管理至关重要。文章将LLM比作即兴喜剧演员，强调了输入信息如何影响输出质量。有效的上下文管理能够显著提升AI工具的表现，帮助用户获得更准确和相关的结果。

不同的AI工具在上下文管理上各有侧重，例如MCP和子代理。MCP通过简化集成知识的管理，帮助保持上下文的清晰；而子代理则能将复杂任务分解，减少主线程的负担。选择合适的工具可以优化工作流程，提升效率。

文章指出，技能的引入并不是一种突破，而是对提示工程的改进。虽然技能提供了更好的用户体验，但在上下文管理上仍然面临挑战。用户需要关注如何有效地使用这些技能，以避免信息过载和上下文混乱。

❓

大型语言模型被比喻为即兴喜剧演员，因为它的表现依赖于上下文的输入，就像演员需要观众的建议和游戏规则来进行表演。

上下文管理在AI工具中至关重要，它决定了模型的输出质量，帮助塑造有效的工作流程。

MCP工具通过提供小型可发现接口，减少了需要在上下文窗口中携带的集成知识，从而提升输出质量。

子代理可以将狭窄范围的任务委托给独立的代理，从而保持主线程的上下文清晰，避免信息混乱。

AI工具的创新主要集中在上下文管理上，而非提升模型的智能，优化不同的瓶颈。

有效控制上下文可以通过使用合适的工具和方法，确保模型接收到相关且清晰的信息，从而提高表现。

🏷️