LESSON 7.3 · 系统 · 120 分钟
上下文工程与记忆
上下文工程与记忆：理解working context、retrieval、summary、memory policy，完成“比较三种记忆策略”。属于「从模型到智能系统」学习阶段。
学完你应该能够
- 能不用术语堆砌，解释「上下文工程与记忆」解决了什么问题。
- 能围绕 working context、retrieval、summary 画出变量与因果关系。
- 能完成「比较三种记忆策略」，并用证据而不是感觉判断结果。
核心概念
working context
working context解决有限上下文下“保留什么”的问题。短期工作状态、可检索事实和长期摘要应分层；写入记忆也需要质量门，否则错误会被长期放大。
retrieval
retrieval必须先固定任务分布、评分规则和置信区间。单一平均分会掩盖子群失败；LLM-as-judge 还需做顺序、长度、自偏好与人工一致性校准。
summary
summary解决有限上下文下“保留什么”的问题。短期工作状态、可检索事实和长期摘要应分层；写入记忆也需要质量门，否则错误会被长期放大。
memory policy
memory policy解决有限上下文下“保留什么”的问题。短期工作状态、可检索事实和长期摘要应分层；写入记忆也需要质量门，否则错误会被长期放大。
实践任务
比较三种记忆策略
- 预测：在运行代码前，写下你预期的输出、趋势或失败位置。
- 构建：画出关键资源与队列，只保留回答核心问题所需的最小组件。
- 验证：使用轨迹回放、schema 校验、权限测试与回归任务集；保存参数、随机种子与原始结果。
- 迁移：换一个工具、失败模式或权限边界后仍保持可控，说明原结论是否仍成立。