AI Agent / 系统课时

设计 Context Builder

设计 Context Builder

本篇解决智能体上下文如何统一组装的问题,最终实现一个可维护的上下文构建流程,把系统规则、任务目标、项目知识、历史状态和工具结果转换为模型可理解的输入。

学习目标

  • 理解 Context Builder 在智能体运行链路中的职责
  • 掌握多来源上下文的组合方式和优先级设计
  • 能够实现一个基础的上下文构建模块

Context Builder 解决什么问题

智能体执行任务时,需要同时处理多种信息来源。如果每个模块直接拼接提示词,会导致上下文结构混乱、规则覆盖不可控,也难以调整不同任务需要的信息比例。

Context Builder 的职责是把离散信息转换为统一上下文对象,再生成最终发送给模型的输入。它不是简单字符串拼接,而是一个具有规则管理能力的数据组装层。

智能体上下文构建流程图

上下文数据的分层设计

一个常见设计方式是按照稳定程度划分上下文层级:

层级 内容 特点
系统层 角色规则、安全约束 最稳定,优先级最高
任务层 当前目标、输入参数 随任务变化
知识层 文档、代码、业务资料 按需加载
状态层 历史步骤、中间结果 持续更新
工具层 API 返回、执行观察 临时信息

不同层级需要不同生命周期管理。系统规则通常长期存在,而工具观察结果只在当前执行阶段有效。

实现一个基础 Context Builder

实际项目中,可以先使用结构化对象保存上下文,再由渲染层生成模型输入。

python
from dataclasses import dataclass, field

@dataclass
class AgentContext:
    system_rules: list[str] = field(default_factory=list)
    task: str = ""
    knowledge: list[str] = field(default_factory=list)
    history: list[str] = field(default_factory=list)
    observations: list[str] = field(default_factory=list)

class ContextBuilder:
    def build(self, context: AgentContext) -> str:
        sections = [
            "系统规则:\n" + "\n".join(context.system_rules),
            "任务目标:\n" + context.task,
            "相关知识:\n" + "\n".join(context.knowledge),
            "历史状态:\n" + "\n".join(context.history),
            "工具观察:\n" + "\n".join(context.observations),
        ]
        return "\n\n".join(sections)

预期输出

text
系统规则:
遵守工具调用约束

任务目标:
完成代码检查

相关知识:
项目架构文档

历史状态:
已完成文件扫描

工具观察:
发现两个待修复问题

设计时的关键边界

Context Builder 需要避免两个常见问题。第一,不应无限加入所有历史信息,否则模型注意力会被无关内容消耗。第二,不应让低优先级信息覆盖系统规则,否则可能产生不可预测行为。

实际系统通常会在 Builder 内增加排序、过滤、截断和权限检查,让进入模型的内容始终符合当前任务需求。

本课总结

  • Context Builder 是智能体上下文管理的统一入口,不只是文本拼接工具。
  • 不同上下文来源需要按照稳定性和优先级进行分层管理。
  • 良好的上下文构建设计可以提升智能体执行稳定性。

下一课预告

下一课将介绍如何裁剪对话历史,在有限上下文窗口中保留真正有价值的信息。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

设计 Context Builder

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通