聊一下最近圈子热议的话题#ai创造营#

Shopify CEO 和Andrej Karpathy 都同意的观点：提示工程的名称是否应该改为上下文工程

主要包括：
- 各路大神的观点
- 为什么上下文工程如此重要
- 上下文工程的三大策略
- 其他实践经验与建议

这里发一下文章的总结

近期AI圈热议“提示工程”是否应更名为“上下文工程”，因为后者更准确地描述了为大模型（LLM）提供任务所需全部信息的工作。
Shopify CEO Tobi Lutke 和 Andrej Karpathy 等人认为，“上下文工程”更能体现工业级LLM应用中对上下文的精细管理和填充。
上下文工程不仅仅是写好提示词，还包括任务描述、样本、RAG（检索增强生成）、多模态数据、工具、状态、历史和信息压缩等。

上下文工程的重要性

Cognition 和 Anthropic 等公司在多Agent系统中强调上下文管理的重要性。
不充分的上下文会导致Agent工作不一致，过长或不相关的上下文会增加成本、降低性能。
多轮对话中，指令遵循性下降，优化上下文长度和准确性尤为关键。

上下文工程的三大策略

1. 压缩（Compression）
目标：每轮对话只保留最有价值的Token。
方法：上下文摘要（如Claude Code自动压缩、Cognition用微调模型压缩）。
难点：高质量摘要难以实现。

2. 持久化（Persistence）
目标：构建可长期存储、保存和检索上下文的系统。
存储方式：文件（如CLAUDE .md）、嵌入式文档、知识图谱等。
保存策略：用户手动或Agent自动生成/更新记忆（如Reflexion机制）。
检索方式：直接加载或基于嵌入向量/图检索，需防止检索出错导致“跑题”。

3. 隔离（Isolation）
目标：在不同Agent或环境间划分上下文。
方法：结构化上下文模式（如Pydantic模型）、多Agent分散上下文、环境隔离（如HuggingFace的沙盒环境）。
多Agent系统可提升性能，但也带来Token消耗和协调难题，适合可并行化任务。

实践经验与建议
工具先行，优先关注数据和Token追踪。
明确Agent状态，梳理运行时所需信息。
在工具边界处进行上下文压缩。
从简单记忆功能做起，逐步优化。
多Agent方案适用于可并行化任务，但需注意协调难题。

结论

用了几天出门问问刚发布的 AI 语音记录硬件 TicNote #ai创造营#

支持 20 小时连续录制、超长待机 20 天，APP 上的 AI 能力也都很给力

我基本上现在养成语音记笔记的习惯了，有了这个方便很多，一键开启，而且相当稳定不会丢内容。

硬件介绍

打开包装盒之后，你就能看到 TicNote 的产品本体，一个超级薄的卡片。
他们说这玩意只有 29 克，大概只有 iPhone 16 Pro 七分之一，拿在手里基本感受不到重量。
厚度只有三毫米，是 iPhone 16 Pro 的三分之一，大概三张信用卡叠起来差不多。

另外还搭配一个皮质的磁吸卡套，方便吸到 iPhone 或者其他支持磁吸的设备后面。
用我的 13 Pro 和小米 15 试了一下吸力相当不错，使劲甩都不会掉。

最左边是一个模式切换按钮。
默认的时候是扬声器，这个时候 TicNote 会录制周围的声音，适合多人线下会议、讲座&课堂以及采访等形式。
将按钮切换到红色的时候就变成了听筒模式，这个时候他会根据手机的震动来无感录制手机内部的通话声音。
切换的时候右侧会有个小屏幕用不同图标来展示模式和是否在录音。

而且录音是存在卡片本地的，无论跟手机 APP 怎么传输，卡片本身的存储都是最后的保底，可以确保我们的原始音频信息不丢失。

我如何开始录音呢？
你可以长按卡片右侧的按钮，开始录音后卡片会微弱震动，显示屏也会有动画展示，停止录音再次长按就行。
或者你也可以在 APP 里面点击录音按钮开始录音，状态也会在 APP 实时显示。

AI 硬件强的不只是硬件，还有 AI 。

TicNote 支持 120 多个语种和方言，国内主要的方言都能搞定。
在总结的时候它提供了非常多的场景模版，基本覆盖了所有涉及到语音的场景，无论是上课、访谈还是采访、会议都有，支持自定义提示词。

它会帮你自动生成当前录音的思维导图，方便你用非常全面的视角去理解长时间录音的话题的内容。
同时 AI 也会挑选整个语音中他觉得最有价值最有启发的部分，给你生成一个顿悟时刻的文案。

除了前面这几个分析录音本身的内容之外，TicNote 也会用其他信息拓展你们讨论的内容。
首先是会基于你们的聊天内容进行深度研究，根据聊天中提到的信息，进行更多的搜索和进行解释。