<p>人工智能系统失去对话线索的令人沮丧的体验，就像咖啡师忘记了你的常规订单，这突显了人工智能发展中的一个关键挑战。这并不是原始处理能力或巧妙提示的失败，而是上下文的根本崩溃。智能系统常常面临困难，并不是因为它们缺乏智能，而是因为它们无法记住、推断或维持适当的心理框架以进行有意义的互动。</p>
<p>这个根本问题推动了人工智能发展的前沿，超越了仅仅构建更大模型或更复杂提示的阶段。真正的挑战在于上下文工程 AI，这是一门专注于设计人工智能系统如何理解正在发生的事情、谁参与其中以及在任何特定时刻什么是真正重要的学科。根据公告，上下文工程是支撑智能行为的设计工作，确保人工智能代理与人类意图保持一致。它决定了系统如何建立信任、管理记忆、应对模糊性以及在任务之间转换而不拖带无关细节。这代表了一种深刻的转变，将设计从静态界面转向动态生成的、上下文感知的体验。</p>
<p>多年来，设计师专注于制作屏幕。现在，重点转向屏幕出现之前发生的事情：多少连续性感觉合适，系统何时应该推断而不是询问，以及如何在不侵蚀信任的情况下揭示不确定性。工程师传统上将上下文视为记忆或检索，但设计师则感知微妙的信号、连续性的流动和潜在的语气。上下文工程 AI 正在迅速成为智能体验设计的基本支柱，将人工智能从单纯的工具转变为更直观、能够理解的伙伴。</p>
<h2>为概率世界重建启发式</h2>
<p>经典的可用性启发式，如雅各布·尼尔森的原则，长期以来指导着界面设计，强调可见性、错误预防和用户控制。然而，人工智能系统本质上挑战了这些既定规则。它们的不透明性违反了可见性，它们的幻觉倾向削弱了错误预防，而它们的自信错误则侵蚀了用户控制。失败的机制已经演变，要求一种新的方法。</p>
<p>上下文工程 AI 是为概率世界重建这些基础启发式的关键工作。它为人工智能提供了一种状态感、自我修正的机制和明确的人类干预渠道。没有这种结构化的方法，我们冒着部署复杂的人工智能却包裹在根本破碎的界面中的风险。上下文不再是隐藏的基础设施；它成为互动表面的一个不可或缺、可见的部分，直接影响用户对系统的感知和信任。</p>
<p>这种新的设计材料通过三个核心实践塑造：连续性、代理性和修正。设计连续性确保人工智能系统在交互中保持一致的线索，防止许多大型语言模型的 “金鱼记忆”。这涉及到代理之间的有意 “接力传递”、强有力的漂移预防以保持长时间对话的轨道，以及在主题转变时有意的 “干净切断” 以摆脱旧的上下文。连续性使代理保持在场并可靠。</p>
<p>设计代理性解决了黑箱问题，使人工智能的推理对用户可见。这包括为系统输出提供 “轻推理”、提供 “为什么这样” 的控制以检查和修正假设，以及实施 “协作澄清”，让系统提问而不是猜测。代理性将人工智能从一个神秘的参与者转变为一个透明、可理解的伙伴。最后，设计修正赋予用户调整系统信念的能力，而无需成为提示工程师。这意味着实施带有人类保护措施的 “引导确定性”、通过简单变量面板实现 “可编辑假设”，以及允许用户轻松细化或扩展上下文的 “内联修正”。这些机制确保系统与人类意图保持一致，时刻相随。</p>
<p>随着产品从单纯的工具演变为解释者，每次用户交互都为他们的意图贡献了一个活模型。系统的真实存在于模型中，而不仅仅是在屏幕上。这一转变需要一个语义支柱，其中本体和结构模型为超越瞬时上下文的一致、可读的智能提供支撑。设计师现在必须以与布局网格相同的严谨性检查、批评和调整这种潜在的意义。“用户” 的定义扩展到包括代理、记忆层、检索管道和编排结构，每个都需要有意的设计。</p>
<p>风险显而易见：记忆过多的人工智能感觉侵入，记忆过少则显得无能，而错误的推理则带来风险。上下文工程 AI 开辟了至关重要的中间地带，促进稳定和可信的智能。掌握上下文设计的团队将定义下一代体验，塑造我们与人工智能的未来是感到赋能和一致，还是感到困惑和不协调。</p>

<p>上下文工程是人工智能发展的一个关键学科，专注于设计能够理解和维护上下文的系统，以确保有意义的互动。它挑战了传统的可用性启发式，强调连续性、主动性和纠正，以将人工智能转变为一个直观的伙伴。这种方法旨在使人工智能系统与人类意图保持一致，重塑人工智能体验的未来</p>

<p>The frustrating experience of an AI system losing its conversational thread, much like a barista forgetting your regular order, highlights a critical challenge in artificial intelligence development. This isn’t a failure of raw processing power or clever prompts; it’s a fundamental breakdown in context. Intelligent systems often struggle not because they lack intelligence, but because they cannot remember, infer, or maintain the appropriate mental frame for meaningful interaction.</p>
<div class="lb-trans"><p>人工智能系统失去对话线索的令人沮丧的体验，就像咖啡师忘记了你的常规订单，这突显了人工智能发展中的一个关键挑战。这并不是原始处理能力或巧妙提示的失败，而是上下文的根本崩溃。智能系统常常面临困难，并不是因为它们缺乏智能，而是因为它们无法记住、推断或维持适当的心理框架以进行有意义的互动。</p>
</div><p>This fundamental issue has pushed the frontier of AI development beyond simply building bigger models or more intricate prompts. The real challenge now lies in context engineering AI, a discipline focused on designing how AI systems understand what is happening, who is involved, and what truly matters in any given moment. According to the announcement, context engineering is the design work that scaffolds intelligent behavior, ensuring AI agents remain aligned with human intent. It dictates how a system builds trust, manages memory, navigates ambiguity, and transitions between tasks without dragging along irrelevant details. This represents a profound shift, moving design from static interfaces to dynamically generated, context-aware experiences.</p>
<div class="lb-trans"><p>这个根本问题推动了人工智能发展的前沿，超越了仅仅构建更大模型或更复杂提示的阶段。真正的挑战在于上下文工程 AI，这是一门专注于设计人工智能系统如何理解正在发生的事情、谁参与其中以及在任何特定时刻什么是真正重要的学科。根据公告，上下文工程是支撑智能行为的设计工作，确保人工智能代理与人类意图保持一致。它决定了系统如何建立信任、管理记忆、应对模糊性以及在任务之间转换而不拖带无关细节。这代表了一种深刻的转变，将设计从静态界面转向动态生成的、上下文感知的体验。</p>
</div><p>For years, designers focused on crafting screens. Now, the emphasis shifts to what happens before the screen even appears: how much continuity feels right, when a system should infer versus ask, and how it reveals uncertainty without eroding trust. Engineers traditionally view context as memory or retrieval, but designers perceive the subtle signals, the flow of continuity, and the underlying tone. Context engineering AI is rapidly becoming the essential backbone of intelligent experience design, transforming AI from a mere tool into a more intuitive, sense-making partner.</p>
<div class="lb-trans"><p>多年来，设计师专注于制作屏幕。现在，重点转向屏幕出现之前发生的事情：多少连续性感觉合适，系统何时应该推断而不是询问，以及如何在不侵蚀信任的情况下揭示不确定性。工程师传统上将上下文视为记忆或检索，但设计师则感知微妙的信号、连续性的流动和潜在的语气。上下文工程 AI 正在迅速成为智能体验设计的基本支柱，将人工智能从单纯的工具转变为更直观、能够理解的伙伴。</p>
</div><h2>Rebuilding Heuristics for a Probabilistic World</h2>
<div class="lb-trans"><h2>为概率世界重建启发式</h2>
</div><p>Classic usability heuristics, like Jakob Nielsen’s principles, have long guided interface design, emphasizing visibility, error prevention, and user control. However, AI systems inherently challenge these established rules. Their opaque nature violates visibility, their propensity for hallucination undermines error prevention, and their confident incorrectness erodes user control. The mechanics of failure have evolved, demanding a new approach.</p>
<div class="lb-trans"><p>经典的可用性启发式，如雅各布·尼尔森的原则，长期以来指导着界面设计，强调可见性、错误预防和用户控制。然而，人工智能系统本质上挑战了这些既定规则。它们的不透明性违反了可见性，它们的幻觉倾向削弱了错误预防，而它们的自信错误则侵蚀了用户控制。失败的机制已经演变，要求一种新的方法。</p>
</div><p>Context engineering AI is the critical work of rebuilding these foundational heuristics for a probabilistic world. It provides AI with a sense of state, mechanisms for self-correction, and clear channels for human intervention. Without this structured approach, we risk deploying sophisticated AI wrapped in fundamentally broken interfaces. Context is no longer a hidden infrastructure; it becomes an integral, visible part of the interaction surface, directly influencing how users perceive and trust the system.</p>
<div class="lb-trans"><p>上下文工程 AI 是为概率世界重建这些基础启发式的关键工作。它为人工智能提供了一种状态感、自我修正的机制和明确的人类干预渠道。没有这种结构化的方法，我们冒着部署复杂的人工智能却包裹在根本破碎的界面中的风险。上下文不再是隐藏的基础设施；它成为互动表面的一个不可或缺、可见的部分，直接影响用户对系统的感知和信任。</p>
</div><p>This new design material is shaped through three core practices: continuity, agency, and correction. Designing for continuity ensures AI systems maintain a coherent thread across interactions, preventing the “goldfish memory” of many large language models. This involves intentional “baton passes” between agents, robust drift prevention to keep long conversations on track, and deliberate “clean breaks” to shed old context when topics shift. Continuity keeps an agent present and reliable.</p>
<div class="lb-trans"><p>这种新的设计材料通过三个核心实践塑造：连续性、代理性和修正。设计连续性确保人工智能系统在交互中保持一致的线索，防止许多大型语言模型的 “金鱼记忆”。这涉及到代理之间的有意 “接力传递”、强有力的漂移预防以保持长时间对话的轨道，以及在主题转变时有意的 “干净切断” 以摆脱旧的上下文。连续性使代理保持在场并可靠。</p>
</div><p>Designing for agency addresses the black-box problem, making AI’s reasoning visible to users. This includes providing “light reasoning” for system outputs, offering “why this” controls to inspect and correct assumptions, and implementing “collaborative clarification” where the system asks questions rather than guessing. Agency transforms AI from a mysterious actor into a transparent, understandable partner. Finally, designing for correction empowers users to adjust what the system believes without becoming prompt engineers. This means implementing “guided determinism” with human guardrails, “editable assumptions” through simple variable panels, and “inline corrections” that allow users to refine or expand context effortlessly. These mechanisms ensure the system remains aligned with human intent, moment-by-moment.</p>
<div class="lb-trans"><p>设计代理性解决了黑箱问题，使人工智能的推理对用户可见。这包括为系统输出提供 “轻推理”、提供 “为什么这样” 的控制以检查和修正假设，以及实施 “协作澄清”，让系统提问而不是猜测。代理性将人工智能从一个神秘的参与者转变为一个透明、可理解的伙伴。最后，设计修正赋予用户调整系统信念的能力，而无需成为提示工程师。这意味着实施带有人类保护措施的 “引导确定性”、通过简单变量面板实现 “可编辑假设”，以及允许用户轻松细化或扩展上下文的 “内联修正”。这些机制确保系统与人类意图保持一致，时刻相随。</p>
</div><p>As products evolve from mere tools into interpreters, every user interaction contributes to a living model of their intent. The truth of the system now resides within the model, not just on the screen. This shift necessitates a semantic backbone, where ontology and structural models provide a scaffold for consistent, legible intelligence beyond transient context. Designers must now inspect, critique, and adjust this underlying meaning with the same rigor applied to layout grids. The definition of “user” expands to include the agent, memory layer, retrieval pipeline, and orchestration fabric, each requiring intentional design.</p>
<div class="lb-trans"><p>随着产品从单纯的工具演变为解释者，每次用户交互都为他们的意图贡献了一个活模型。系统的真实存在于模型中，而不仅仅是在屏幕上。这一转变需要一个语义支柱，其中本体和结构模型为超越瞬时上下文的一致、可读的智能提供支撑。设计师现在必须以与布局网格相同的严谨性检查、批评和调整这种潜在的意义。“用户” 的定义扩展到包括代理、记忆层、检索管道和编排结构，每个都需要有意的设计。</p>
</div><p>The stakes are clear: AI that remembers too much feels invasive, too little feels incompetent, and incorrect reasoning poses risks. Context engineering AI carves out the crucial middle ground, fostering stable and trustworthy intelligence. The teams that master designing with context will define the next generation of experiences, shaping whether our future with AI feels empowering and aligned, or bewildering and out of tune.</p>
<div class="lb-trans"><p>风险显而易见：记忆过多的人工智能感觉侵入，记忆过少则显得无能，而错误的推理则带来风险。上下文工程 AI 开辟了至关重要的中间地带，促进稳定和可信的智能。掌握上下文设计的团队将定义下一代体验，塑造我们与人工智能的未来是感到赋能和一致，还是感到困惑和不协调。</p>
</div>

Context Engineering AI: The New Design Frontier

- AI 系统在对话中失去上下文是其发展的关键挑战。  
- 上下文工程旨在设计 AI 理解事件和参与者的方式。  
- 这一转变将设计从静态界面转向动态生成的上下文感知体验。  

上下文工程 AI：设计的新前沿