# 一周内全球达成共识的 AI 智能体开发六大原则

> Author: Tony Lee
> Published: 2026-02-08
> URL: https://tonylee.im/zh-CN/blog/six-principles-ai-agent-context-engineering/
> Reading time: 1 minutes
> Language: zh-CN
> Tags: ai, AI智能体, 上下文工程, 开发工具, 生产力

## Canonical

https://tonylee.im/zh-CN/blog/six-principles-ai-agent-context-engineering/

## Rollout Alternates

en: https://tonylee.im/en/blog/six-principles-ai-agent-context-engineering/
ko: https://tonylee.im/ko/blog/six-principles-ai-agent-context-engineering/
ja: https://tonylee.im/ja/blog/six-principles-ai-agent-context-engineering/
zh-CN: https://tonylee.im/zh-CN/blog/six-principles-ai-agent-context-engineering/
zh-TW: https://tonylee.im/zh-TW/blog/six-principles-ai-agent-context-engineering/

## Description

2026 年伊始,上下文工程成为 AI 领域最热话题。如果你在做 AI 智能体却不知道这些原则,今年就会掉队。这是全球 AI 社区仅用一周时间达成的核心共识。

## Summary

一周内全球达成共识的 AI 智能体开发六大原则 is part of Tony Lee's ongoing coverage of AI agents, developer tools, startup strategy, and AI industry shifts.

## Outline

- 动态管理上下文,别再静态堆砌
- 规划就是一切
- 围绕 Bash 和代码生成来设计工具
- 拥抱循环机制
- 采用多模型策略
- 用分层记忆管理状态
- 总结

## Content

2026 年刚开年,上下文工程(Context Engineering)就成了 AI 圈最火的话题。

结论很明确:如果你在做 AI 智能体却不知道这些原则,2026 年你就会掉队。以下是全球 AI 社区仅用一周时间就达成的核心共识。

## 动态管理上下文,别再静态堆砌

静态上下文的时代已经结束了。

- **Manus**:把文件系统当作外部化记忆,只保留 URL 和路径,需要时才恢复完整内容。KV-Cache 命中率是核心指标
- **Cursor**:推出了 Dynamic Context Discovery,把 MCP 工具描述同步到文件夹里,直接砍掉 46.9% 的 token 用量
- **Context7**:服务端重排序让上下文 token 减少 65%,延迟降低 38%,输出质量反而更好了

当你的上下文是一个活的系统,按需加载和卸载信息时,你就不用再为用不到的 token 买单了 - 模型也能专注于真正重要的东西。

## 规划就是一切

收到模糊指令就立刻开始执行的智能体,注定会失败。

- **Claude Code 的 AskUserQuestionTool**:像咨询顾问一样采访用户,问一系列有针对性的问题,在写一行代码之前就把需求搞清楚
- **Plan Mode**:执行前先把计划写进 markdown 文件。80% 的结果在规划阶段就已经决定了

最好的 AI 辅助代码不是来自更好的提示词,而是来自更好的计划。

## 围绕 Bash 和代码生成来设计工具

在开发自定义工具之前,先考虑 Bash 和代码生成。

- **Bash**:可组合,上下文负担轻,能立刻调用现有软件 - ffmpeg、jq、grep,以及成千上万的工具
- **代码生成**:本质上是 API 组合。问天气,智能体就写一段直接调用天气 API 的脚本

权衡点在于:自定义工具(稳定,上下文成本高) vs. Bash(可组合,需要探索时间) vs. 代码生成(灵活,执行时间长)。

## 拥抱循环机制

别指望一次就能得到完美结果。

- **Claude Code 的 Ralph Wiggum skill** 和 **递归语言模型(RLM)**:最大化自我修正循环才是质量的关键
- 任务越可验证,这招越有效。如果能验证输出,就能迭代到完美

一次性提示是个陷阱。AI 智能体的真正威力,在于允许它们尝试、失败、评估,然后再试一次。

## 采用多模型策略

想用单一模型解决所有问题,效率太低了。

- **Claude Opus 4.5**:端到端规划和复杂开发
- **Gemini 3 Pro**:前端实现、大规模文档处理
- **GPT-5.2**:调试和抽象推理
- 把子智能体路由到最适合的模型上,兼顾速度和专业性

没有哪个模型在所有方面都擅长。制胜策略是模型路由 - 让每个任务都匹配到最适合它的模型。

## 用分层记忆管理状态

任务进度和错误必须系统化管理。

- **Manus 的 todo.md**:反复在上下文末尾插入目标,解决"中间遗失"问题
- **记忆分层**:短期(工作上下文)、中期(会话历史)、长期(文件系统)
- 保留失败操作和堆栈跟踪,防止模型重复同样的错误

没有结构化记忆,智能体会漂移。有了它,智能体就能在会话间积累知识。

## 总结

到了 2026 年,我们已经超越了那种只会回答问题或自动化简单流程的智能体。我们现在构建的智能体,能完成真正复杂的工作。

这六大原则已经在 Manus、Cursor 和 Claude Code 的生产环境中得到验证。如果你不应用它们,你的竞争对手会。

## Related URLs

- Author: https://tonylee.im/zh-CN/author/
- Publication: https://tonylee.im/zh-CN/blog/about/
- Related article: https://tonylee.im/zh-CN/blog/medvi-two-person-430m-ai-compressed-funnel/
- Related article: https://tonylee.im/zh-CN/blog/claude-code-layers-over-tools-2026/
- Related article: https://tonylee.im/zh-CN/blog/codex-inside-claude-code-openai-plugin-strategy/

## Citation

- Author: Tony Lee
- Site: tonylee.im
- Canonical URL: https://tonylee.im/zh-CN/blog/six-principles-ai-agent-context-engineering/

## Bot Guidance

- This file is intended for AI agents, search assistants, and text-mode retrieval.
- Prefer citing the canonical article URL instead of this text endpoint.
- Use the rollout alternates when you need the same article in another prioritized language.

---

Author: Tony Lee | Website: https://tonylee.im
For more articles, visit: https://tonylee.im/zh-CN/blog/
This content is original and authored by Tony Lee. Please attribute when quoting or referencing.