专题：context-engineering

本文系统解析LLM上下文处理机制，揭示注意力分布不均和上下文腐化等性能瓶颈，提出写入、选择、压缩、隔离四大优化策略，强调上下文工程对模型效果的关键影响，为开发者提供系统性实践指南。

Moda 为非设计师提供 AI 驱动的可编辑画布平台，核心采用 Deep Agents 多代理系统并通过 LangSmith 实现可观测性。平台通过 Design、Research、Brand Kit 三大代理协同工作，结合自定义上下文表示层，解决了视觉设计缺乏标准化抽象的问题，实现高质量、品牌一致的设计输出。未来将完善内存管理并迁移至新版 Deep Ag…

‘Get Shit Done’是一种结合元提示、上下文工程和规范驱动的开发系统，旨在提升开发效率和代码质量。通过智能提示和上下文管理，系统确保开发过程符合最佳实践，减少错误并加快开发速度，具有较高的技术参考价值。

微软推出《The Shift》播客，系统解析代理式AI技术生态。通过讨论数据统一、云平台扩展、跨系统协作等核心议题，结合Microsoft Fabric、OneLake等产品实践，为开发者提供技术洞察。播客聚焦实际应用挑战，如RAG技术边界、数据库需求及安全治理，旨在推动AI代理技术落地。

本文聚焦编码代理的上下文工程设计，分析Claude Code等工具如何通过优化上下文配置提升代码生成质量。核心亮点在于上下文工程对开发者体验的直接影响，以及其在实际应用中的重要性。