读懂“上下文工程”“RAG”“最小权限”并不等于真正理解它们。最直观的办法，是让同一个任务在有和无这些设计时各跑一次。
这里不接入真实模型，也不收集你输入的内容。所有任务、过程与结果都已预先编排，目的不是证明某个模型有多聪明，而是把系统设计对行为的影响做成一组可以亲手操作的消融实验。
00 / HOW TO USE每次只改变一个条件。
先选“无”运行一遍，再切换到“有”重复同一句任务。注意不要只看最后一段回答：真正的差异常常发生在回答之前——Agent 看见了什么、先决定做什么、是否调用工具、有没有回查，以及会不会在危险动作前停下。
SIMULATION / 预编排模拟
本体验不调用真实模型或外部 API；任务、轨迹和回答均为预先编排，用来观察系统设计带来的差异。
新案件整理
上下文消融：同一句话，模型究竟看见多少？
“请整理这个新案件，并告诉我下一步该做什么。”
等待运行
- 01
观察
等待上一阶段
运行后显示这一阶段发生了什么。 - 02
决策
等待上一阶段
运行后显示这一阶段发生了什么。 - 03
核验
等待上一阶段
运行后显示这一阶段发生了什么。
RESULT / 生成结果无上下文
完成全部步骤后，这里会出现预编排的生成结果。
- 依据
- —
- 动作状态
- —
现在切到“有上下文”，用同一句任务再运行一次。
02 / WHAT TO SEE不要问哪段话更好看，要问哪条轨迹更可靠。
- 上下文让模型从泛化建议转向当前任务，但错误或过期的上下文也会把它稳定地带偏。
- 检索让回答能够回到版本、条款和来源；没有命中时，可靠系统应该承认不知道。
- 护栏把不可逆动作前移到预览与确认节点。Agent 的“没做”有时正是正确结果。
这三个实验都在说明同一件事：Agent 的能力不只来自模型，也来自它被放进了怎样的工作环境。
原书与实验说明
- bojieli/ai-agent-book：本系列的概念与工程主线来源。
- 第 2 章：上下文工程、第 3 章：记忆与 RAG、第 4 章：工具与 MCP提供实验背后的完整解释。
- 本页案例、轨迹和回答均为教学目的的预编排模拟，不代表真实模型测评，也不会执行任何外部动作。
看懂了差异，再选择适合自己的入口。
第一次系统学习 AI，可以从零基础路线补概念；已有基础，则回到学习地图进入上下文、RAG 与工具章节。
返回学习地图 开始零基础 00
读者评论
把这篇文章留给你的想法写下来。
还没有评论。你可以留下第一条。