上下文工程有哪些常见反模式（Anti-patterns）？

1. 四种典型失败模式

• 上下文中毒（Context Poisoning）：早期进入草稿纸的幻觉、错误或陈旧事实，被智能体当作真理沿用至后续轮次
• 上下文分心（Context Distraction）：累积上下文过多，模型在噪声中丢失当前目标
• 上下文混淆（Context Confusion）：无关内容（多余工具、离题文档）把模型拉向不相关的动作
• 上下文冲突（Context Clash）：检索或记忆中两段内容相互矛盾，模型选错其一

2. 工具与提示的反模式

• 工具集膨胀：连接过多功能重叠的工具会消耗大量 token ，并让模型在选择时犹疑；工具描述不清会导致传参错误
• 朴素 RAG ：直接"检索→取前 k 个块→塞入窗口"，让窗口充满需每轮重读的长段落
• 把上下文工程当成"提示词库重构"：一堆写好的提示不等于上下文层，仍需检索、版本化与可观测

3. 过度压缩

• "上下文越短越好"是流行但危险的观念，过度压缩会丢失决策关键细节，导致性能退化
• 压缩应保护上下文中的决策知识，而非无差别削减