Agent 系统设计：从 Prompt 工程转向上下文工程

AI Agent 入门指南

AI Agent 话题讨论得很多，但大多数解释都很抽象。这里给出一个简洁实用的 Agent 工作原理详解——还有一个简单的例子。

聊天模型 → 提问 → 回答（你来执行工作）

Agent → 目标 → 结果（它来规划和执行）

Chat:   You ask ──> Model answers ──> You act
Agent:  You set goal ──> Agent plans → acts → checks ──> Result delivered

每个 Agent——不管是什么平台——都运行同样的循环：

   ┌─────────┐
   │ OBSERVE │  read context, current state
   └────┬────┘
        ▼
   ┌─────────┐
   │  THINK  │  decide next action
   └────┬────┘
        ▼
   ┌─────────┐
   │   ACT   │  execute, then loop again
   └────┬────┘
        │
        └──────► repeats until task is done

一个 Agent = LLM（大脑）+ 循环 + 工具 + 上下文。"框架"（Claude Code、Cowork、Codex 等等）不过是运行这个循环的应用。

┌────────────────────────────┐
│ 5. Skills   → reusable SOPs │
├────────────────────────────┤
│ 4. Tools    → via MCP       │
├────────────────────────────┤
│ 3. Memory   → memory.md     │
├────────────────────────────┤
│ 2. Context  → agents.md     │
├────────────────────────────┤
│ 1. Loop     → observe→think→act │
└────────────────────────────┘

上下文文件（agents.md / Claude.md）——持久化的"系统 prompt"，包含你的角色、业务、工具和偏好。每次会话都会加载。

内存（memory.md）——每当 Agent 被纠正时就更新。会随时间复利增长。

工具（MCP）——Model Context Protocol 将 Agent 连接到 Gmail、Notion、Calendar、Stripe 等，无需针对每个工具进行自定义集成。

技能——一个 markdown 文件，将可重复过程记录一次，这样就不需要反复解释。可以链式调用或计划执行。

从 prompt 工程转向上下文工程。丰富的上下文可以把一个两个词的 prompt 变成一个优秀的结果。

实例：独立创作者自动化周报

agents.md ——《周报》的受众、语气、格式、连接的工具（Notion、Docs、社交媒体）

memory.md ——随时间学习偏好（"更短的主题行"等）

通过 MCP 连接 Notion + Docs + 社交媒体

一个 prompt："拉取本周笔记，起草这一期，写一条配套推文。"

将其打包成一项周报技能 → 安排在每个周四执行

每次的流程相同：上下文 + 内存 + 工具一次性设置好 → 简单的 prompt → 一致的结果。

开始吧

• [ ] 选择一个简单的框架，创建一个项目文件夹

• [ ] 写 agents.md（角色、业务、工具、偏好）

• [ ] 添加一个初始 memory.md

• [ ] 通过 MCP 连接 2-3 个高价值工具

• [ ] 执行一个真实任务，看循环工作

• [ ] 把可重复的任务转成一项技能

• [ ] 计划一项定期执行的技能

• [ ] 为另一个角色/项目重复这个过程

这不是关于更聪明的 prompt——而是前期一次性打好上下文的基础，这样后续每一次提问都可以保持简洁。

---