Files
liqiang b119135836
Build latest book artifacts / build (push) Canceled after 0s
dependency resolution / resolve (3.11) (push) Canceled after 0s
dependency resolution / resolve (3.13) (push) Canceled after 0s
deploy-pages / build (push) Canceled after 0s
deploy-pages / deploy (push) Canceled after 0s
i18n consistency check / check (push) Canceled after 0s
provider adoption tests / test (chapter2/context-compression) (push) Canceled after 0s
provider adoption tests / test (chapter2/prompt-injection) (push) Canceled after 0s
provider adoption tests / test (chapter2/system-hint) (push) Canceled after 0s
provider adoption tests / test (chapter3/log-sanitization) (push) Canceled after 0s
web-search-agent tests / test (push) Canceled after 0s
web-search-agent tests / agentbook (push) Canceled after 0s
ai-agent-book 精选快照(<2MB 代码与文档,来自 github.com/bojieli/ai-agent-book)
2026-08-20 13:12:50 +00:00

2.6 KiB

Bab 2 · Rekayasa Context

Context menentukan batas atas kemampuan Agent: struktur API, desain ramah KV Cache, prompt engineering, Agent Skills, status bar, dan kompresi context.

Kembali ke README utama · 📖 Baca bab

Cara Membaca Eksperimen

Teks utama memakai skeleton mekanisme singkat untuk menjelaskan alur kontrol; direktori eksperimen berisi adapter SDK lengkap, log, pengujian, dan bukti penerimaan. Anda tidak perlu membaca setiap berkas baris demi baris.

  • Starter: Mulai dari tujuan, perintah minimum, dan syarat penerimaan; awali dengan context-compression;
  • Builder: Telusuri titik masuk, loop inti, skema status/pesan, alat, dan verifier.
  • Maintainer: Terakhir, baca pengujian, manifest bukti, penanganan kegagalan, rollback, dan adapter provider.

Pada pembacaan pertama, lewati kredensial, presentasi, dan kompatibilitas provider; kembali saat mereproduksi angka.

Proyek Pendamping

Eksperimen Proyek Jenis Deskripsi
2-1 local_llm_serving Menyediakan deployment LLM lokal lintas platform dengan backend vLLM atau Ollama.
2-2, 2-7 attention_visualization Memvisualisasikan token input/output dan distribusi bobot attention model.
2-3 kv-cache Membandingkan pola pengelolaan context dan dampaknya terhadap efisiensi KV Cache.
2-4 prompt-engineering Mengukur pengaruh unsur prompt melalui eksperimen ablasi yang sistematis.
2-5 prompt-injection Membandingkan tiga skenario serangan dengan empat konfigurasi pertahanan berlapis.
2-6 agent-skills-ppt Mempraktikkan progressive disclosure pada Agent Skills untuk menghasilkan presentasi PPTX.
2-7 Eksperimen teks 🚧 Membuat Skill penulisan ringan dari contoh pribadi, mencakup kondisi pemicu, aturan, contoh, cakupan, dan pemeliharaan iteratif.
2-8 system-hint Menguji pengaruh System Hints terhadap perilaku dan kinerja Agent.
2-9 context-compression Membandingkan beberapa strategi kompresi untuk mengurangi token tanpa kehilangan kemampuan utama.

Jenis Proyek

Ikon Jenis Arti
Mandiri Kode lengkap tersedia di repositori dan dapat dijalankan setelah API Key dikonfigurasi.
📖 Panduan Reproduksi Memerlukan repositori eksternal yang harus di-git clone.
🚧 Dalam Proses Implementasi atau bukti penerimaan belum lengkap.