模型再聰明，也得先看過你的冰箱：上下文工程其實就是備料

2026 年 8 月 25 日，掘金上出現了一篇四十五分鐘閱讀量的技術長文，談的是決定 AI Agent 能力上限的關鍵技術，上下文工程。文章裡有 API、有訊息結構、有 KV Cache，看起來離廚房很遠。但你若在餐廳打工過，或只是替家裡張羅過一桌年夜飯，讀到一半大概會笑出來：這不就是備料嗎。

天才廚師進了你的廚房

原文裡有個比喻很準。它說，模型像一位天才工程師加入你的團隊，理論功底深厚，卻對你們的產品架構、技術債、團隊規範一無所知，關鍵決策還散落在各人腦子裡，文件根本沒寫。

換到廚房就是這樣。一個手藝再好的外地師傅，第一天走進你家廚房，瓦斯爐左邊那口火力偏弱他不知道，鹽罐裝的其實是低鈉鹽他不知道，阿嬤規定煎魚不能翻面超過一次他更不知道。他炒出來的菜不能說難喫，但就是不像這個家的味道。

文章因此下了個結論：模型的能力是天花板，上下文的品質才是 Agent 能跳多高的地板。同一個模型，配上不同的上下文，表現可以差出一個量級。廚房裡的說法更土一點：師傅的手藝是本錢，但今晚出什麼菜，是冰箱和菜籃決定的。

上下文窗口，就是你的工作檯

技術上，上下文窗口由四大塊組成：系統提示詞、工具定義、對話歷史、狀態欄。前兩塊是靜態的，開工前就定好；後兩塊動態增長，隨著任務推進不斷追加。

這結構廚師看了會點頭。靜態前綴像貼在牆上的菜單和店規，寫好了今天就不動。動態部分像你的工作檯：切好的蔥薑、醃到一半的肉、剛熬上的一鍋高湯，隨著出菜節奏一直往上疊。

而工作檯是會滿的。原文花了不少篇幅講上下文壓縮，講怎麼把已經用不到的資訊收掉，把位置騰給眼前的任務。這件事每個在家做菜的人都懂。檯面就那麼大，中午洗好的碗要收走，昨晚的剩菜要進冰箱，你才攤得開今晚要用的那條魚。捨不得清檯面的人，最後一定手忙腳亂，蔥花掉進醬油碟，刀找不到地方放。

隱性知識，是老師傅手上的分寸

整篇文章我讀到最有味道的一段，是它說上下文工程表面是技術問題，根本是組織問題。大多數團隊的關鍵知識是隱性的，散落在老員工的記憶、沒寫下來的決策、口耳相傳的默契裡。上下文工程的第一步，是把這些隱性知識變成顯性的。

這一段幾乎可以直接搬到辦桌現場。總鋪師的湯頭為什麼甜，他說不出來，就是「火到就好」。阿嬤滷肉的糖色，她憑的是鍋裡冒泡的聲音從密集轉疏的那一瞬。這些東西沒有食譜，人走了就斷了。多少家傳味道，就是敗在「來不及問」三個字上。

所以寫食譜這件事，本質上就是在做上下文工程。你把「滷包丟進去之前先用乾鍋焙三十秒，香氣會翻倍」寫下來，等於是把老師傅腦子裡那條隱性規則，變成了下一個人能讀到的訊息。這與我們之前聊過的，把大生意翻譯成大廚房帳本的那篇財報廚房故事是同一種思路：複雜的系統，往往能用最日常的竈腳邏輯看懂。

中等食材，勝過頂級食材的盲目下鍋

原文有句話值得抄進筆記本：一個中等能力的模型配上精心組織的上下文，往往勝過頂級模型在資訊匱乏下的盲目摸索。

菜市場版本是這樣的。一塊普通的美國牛胸肉，在你手上解過凍、回過溫、擦乾了血水、逆紋切好、熱鍋熱油下鍋，出來的口感可以很好。而一塊日本 A5 和牛，冷的直接扔進不熱的鍋，照樣又出水又柴。食材的等級是真的，但決定盤子裡那口的，是你上工前做了多少準備。

這也是為什麼，法國人發明了 mise en place 這個詞，一切就位。廚房學徒的第一課不是刀工，是把該備的東西備齊：醬汁裝在小碗裡，香料秤好，高湯放在手邊。一流的餐廳後場安靜得像圖書館，因為所有的混亂都已在開店前解決完畢。AI Agent 的道理相同，模型每一次決策前「看到」什麼、這些資訊怎麼被擺放，比模型本身的名氣重要得多。

收在今晚的竈腳

那篇技術長文最後走向狀態欄注入與上下文壓縮這類細節，工程師讀來過癮。我們不必跟到那麼深。留給你的線索很簡單，就兩條。

第一，下次抱怨 AI 回答不上路時，先別急著罵模型笨，檢查一下你給了它什麼。就像抱怨新來的媳婦煮不出婆婆的味道之前，先想想有沒有人帶她去過傳統市場，認過那攤固定買的三層肉。

第二，也是更貼身的一條：家裡那些只存在某人手上的味道，趁人在，寫下來。冰箱門上的紙條、通話裡錄下的一段口述、甚至只是一張標了「豆瓣醬要用這罐」的合照。這些都是你家的上下文，備好了，無論接班的是人還是機器，那鍋湯都煮得下去。

這與我們寫過的，冰箱門上那張該換的紙條的故事遙遙呼應：重要的資訊放對地方，關鍵時刻才接得上。天才上工之前，先讓他看過你的冰箱。