从 Prompt 到 Context：易点天下 Agentic AI 工程化实践

📌 一句话摘要

易点天下分享了其 Agentic AI 工程化实践，核心是从 Prompt 编排转向上下文工程，通过分层记忆、主动注入、Token 预算治理和纵深安全防御，将概率性 AI 稳定嵌入全球化业务。

📝 详细摘要

本文是易点天下中台研发总监在 QCon 2026 上的分享实录，系统阐述了其 Agentic AI 工程化落地的完整方法论。文章指出，随着生成式 AI 进入深水区，核心挑战已从模型能力转向如何在确定性要求极高的企业架构中驯服 Agent 的幻觉与遗忘。易点天下的实践围绕三大支柱展开：1）多云共生的确定性基础设施（Cycor 平台），实现跨云统一调度与供应商锁定规避；2）上下文工程体系，包括六层记忆（Session/短期/长期/知识图谱/经验/技能）、三类主动注入钩子（UserMessage/PreToolUse/ErrorSignal）、Token 预算治理（三级内容分层、渐进式注入、压缩续接）以及渐进式工具加载，将工具调用准确率从 70% 提升至 90%，重复问题处理时间从 60 秒缩短至 5 秒；3）五层纵深安全防御（白名单准入、试执行与人工介入、资源锁、规则校验、强制回滚），将误执行率压至接近零。文章最后提出，当大模型基座趋同，真正的技术壁垒在于上下文工程理解深度、多云架构掌控力和组织经验沉淀能力。

💡 主要观点

- Agent 工程化的核心从 Prompt 编排转向上下文工程。 易点天下放弃了早期基于低代码平台的线性 Workflow 编排，转向基于 Agent Loop 的自主智能体架构，将工程重心从「怎么措辞」切换到「每一步该给什么信息」，解决信息进出、噪音过滤和 Token 预算三大问题。

构建六层分层记忆体系，实现从个人经验到组织技能的跃迁。 系统设计了 Session Memory、Short-Term、Long-Term、Knowledge Graph、Experience、Skill 六层上下文，通过向量存储、图数据库和自动聚类，将高频故障模式提炼为经验标签和标准化手册，实现知识沉淀。

主动注入机制解决 Agent「不知道自己不知道什么」的根本缺陷。 在 Agent 生命周期的 UserMessage、PreToolUse、ErrorSignal 三个关键节点内置检索钩子，在 Agent 需要某条知识之前主动推送相关上下文，将记忆从被动资料库升级为主动副驾驶。

Token 预算治理与渐进式工具加载显著提升效率。 通过三级内容分层（L0/L1/L2）按相关度动态选档，单次注入 Token 消耗下降约 80%；渐进式工具加载将工具调用准确率从 70% 提升至 90%，重复问题处理时间从 60 秒缩短至 5 秒。

五层纵深安全防御确保确定性生产环境的安全底线。 系统在 Agent 操作链路上设计了白名单准入、试执行与人工介入、资源锁、规则校验、强制回滚五道防线，仅 1 层允许 LLM 参与决策，其余 4 层由规则代码物理兜底，将误执行率压至接近零。

💬 文章金句

- 当大模型的能力边界不再神秘，企业架构师们面临的核心命题已经发生转移：如何在一个确定性要求极高的复杂企业架构中，有效驯服 Agent 固有的「幻觉」与「遗忘」。

• 上下文工程解决三个彼此纠缠的根本问题：需要的信息如何进得来、无关的信息如何挡得住、宝贵的 Token 预算如何花在刀刃上。
• 模型不知道自己不知道什么，它无法主动去检索一条它从未听说过的故障记录。
• AI 是加速器，而不是刹车——但加速器必须跑在有护栏的赛道上。
• 当大模型基座逐渐趋同，真正的技术壁垒将建立在三件事之上：企业对上下文工程的理解深度、多云架构的掌控力，以及把组织经验沉淀为可执行 Skill 的能力。

📊 文章信息

AI 初评：88

来源：InfoQ 中文

作者：InfoQ 中文

分类：人工智能

语言：中文

阅读时间：17 分钟

字数：4049

标签： Agentic AI, 上下文工程, 工程化实践, 多云架构, AI 安全

阅读完整文章