没有上下文的 Agentic AI，会搞砸你的业务 精华

最近，关于Agentic AI 具备自主行动能力的智能体的讨论越来越多。

很多企业都在探索：能不能让 AI 自动处理客户请求、下单采购、生成报告，甚至做决策？

但《CIO》的一篇文章【文献1】提醒我们：

如果没有上下文，Agentic AI 将彻底搞砸你的业务。

同时，Anthropic 工程团队的另一篇文章【文献2】则从工程实践角度指出：

如何管理上下文（Context Engineering），决定了 AI Agent 的成败。

两篇文章结合起来，既指出了风险，也给出了路径。

一、为何上下文比AI本身更重要？

想象一个客服 AI，客户说：“我上周刚买的冰箱坏了。” 

如果 AI 没有客户的购买记录、保修政策、历史维修记录等上下文，它可能会：

• 机械回答：“请联系客服。”（重复劳动）
• 错误回答：“抱歉，您的保修已过期。”（客户立刻炸毛）
• 或者更糟糕：直接帮客户下单买一个新冰箱……

这就是 CIO 文章的核心观点：

• 企业需要的不只是 Agent，而是 一个“上下文系统”（System of Context）。
• 这个系统能打破数据孤岛，整合客户、产品、交易、供应链等各类信息，形成一个 360° 实体视图。
• 还要确保数据实时更新、安全合规、可审计。

简单说，没有上下文，AI 决策就是“盲人摸象”，不仅无用，还可能制造灾难。

二、上下文工程让 AI Agent 更聪明

Anthropic 的文章则从另一方面切入：

就算企业给了 AI 足够的数据，如何在有限的上下文窗口里组织这些信息，仍然是个工程挑战。

为什么？因为 LLM 的注意力预算有限。上下文越长，越容易出现“context rot” ——模型逐渐忘掉开头的重要信息。

所以，Anthropic提出了上下文工程的几个关键做法：

• 系统提示要简洁清晰，给 Agent 一个结构化的身份和目标描述，不要堆砌长篇大论。
• 工具设计要精准，工具接口要边界清晰，避免模糊和冗余，让 Agent 调用时毫不犹豫。
• 动态检索而非一次性塞满，不要把所有文档丢进上下文，而是让 Agent 按需调用数据库或知识库。
• 上下文压缩与记忆机制，对历史对话做摘要，把关键信息写入长期记忆，而不是无限堆叠 token。
• 子代理分工协作，将复杂任务拆解给不同子代理，每个只处理有限上下文，再由主代理整合结果。

一句话：上下文是有限资源，要像分配黄金一样精打细算。

三、上下文中可靠的AI合伙人

其实两者互补，

CIO 文章强调，企业必须先构建一个宏观的上下文系统，数据实时、语义统一、安全可控。

Anthropic 的文章建议，AI 工程师必须在微观层面做好上下文工程，prompt、检索、压缩、记忆、子代理。

宏观和微观结合，AI 才能既聪明，又可靠。

图片

Agentic AI 的未来充满想象，但前提是：

必须基于正确、丰富、实时、治理完善的上下文来行动。

企业须把“上下文”当成战略资源来建设，而 AI 工程团队要把“上下文工程”当成首要技能打磨。

只有这样，Agent 才不会是一个风险，而是成为业务上下文中可靠的合伙人。

文献1，​​https://www.cio.com/article/4065038/agentic-ai-without-context-will-break-your-business.html​​

文献2，​​https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents​​

本文转载自​​清熙​​，作者：王庆法