- tags:: Context Engineering
在软件工程中，想要使用 AI 辅助编程或者更进一步让 AI 自主完成功能开发时，都会遇到一个问题，就是 AI 生成的代码质量很差，在反复的功能迭代中，代码架构会不断劣化直至变成一座屎山。
代码质量原因分析
缺乏架构规划及对项目的全局视角，没有在合适的时机进行代码架构治理和改进。
当前 AI 不具备记忆能力，无法回忆过去做出的技术设计决定与定下的原则，所以在每次代码开发中，都可能做出错误的设计决策导致架构的劣化。
如何改进
针对以上原因，有多个核心方向：
- 记忆机制：构建一个外部记忆系统，帮助 Agent 记录和加载关键历史信息
- 架构约束：Agent 进行代码开发时需要遵循一个最低约束，兜住代码质量的下限；同时未来进行代码重构改进时，可以调整代码架构及对应的约束
如何实现
如何做 Context Engineering
两个核心指标原则：
- 稳定性：不同查询需要能够比较稳定地读取相关的上下文内容
- 最短路径原则：每次 Agent 获取补充上下文时，应当尽可能读取少的内容，但是也需要读取必要的信息，比如对于项目全局功能的理解
目前想到的是按照抽象层级先总再分的方式，构建一棵树状结构的文档层次能最符合这两个原则。
每次阅读上下文时，从根节点出发了解最概要的信息，然后 Agent 可以沿着树干不断深入下去了解需要补充的细节上下文。
在这个搜索路径上，同时满足了上述的两个指标：
- 每次 Agent 寻找某个概念时，都会沿着树走相同的路径来找到对应的信息
- 在这条路径上，信息由总到分，Agent 读取了所需的必要信息，又避免读取了其他不相关的信息
为什么不用 RAG
两个指标都无法满足