LLM 已经足够强大了。它们不仅能回答问题，还能执行操作——退单、处理房贷、防止用户流失，样样都行。但跟人一样，模型也无法使用它根本没有拿到的信息。当上下文过载时，模型就会失去对关键信息的感知。
所以，真正的核心挑战是：如何在正确的时机，把正确的信息传递给模型？
答案是 Context Engineering——决定 Agent 在每个时刻有权访问哪些信息，以及何时使用这些信息。
客户交互的三代进化
第一代：IVR（交互式语音应答）
只能按菜单执行，按 1 查询账单，按 2 处理退换，按 0 转人工。如果客户的问题和菜单选项对不上，就被卡住了。
第二代：Flow（流程式）
很多现有 AI Agent 依然沿着预设路径走——流程图、决策树、数字化 SOP。客户可以用自然语言表达，但系统的底层逻辑还是"如果这样，那就那样"。问题超出预设流程，就被升级处理。而且 SOP 加得越多，系统越难维护，出错风险也越大。
第三代：Context Engineering
最精密的 Agent 不再依赖僵化流程。它们被目标驱动，被护栏约束，模型主导对话，Agent 的行为根据实时获取的信息动态调整。Sierra 的角色，就是在正确的时机提供正确的上下文——让模型能够有效推理并正确行动。
Progressive Disclosure：渐进式信息披露
随着模型上下文窗口的 Token 数量增长，模型准确调用信息的能力会下降。每个无关的 Token，都在跟真正重要的 Token 竞争模型的注意力。
Context Engineering 通过渐进式信息披露来解决这个问题——在对话的每一步，只提供最少、最相关的信息。
举个例子：客户打电话说国际货运到欧洲，Agent 一开始不需要加载每个国家的规则。那些信息只有在确认目的地后才有用。只有当确认货物运往德国时，才加载德国相关的操作指南。在那之前，那些信息只是噪音。
让渐进式披露生效的核心机制是 Conditions（条件）：什么情况下这条信息才变得相关？
条件可以基于状态（工具返回了特定数据、客户已完成身份验证、订阅已加载）或基于观察（客户提到了某个话题、表达了取消意愿、询问了某款产品）。一旦条件满足，信息才注入给 Agent。
这样的分层设计确保对话从最小上下文开始——基础工具、通用政策、品牌语调——但依然能处理漫长、复杂的交互。随着对话推进，Agent 了解得越多，就有更多信息被解锁。客户完成身份验证后，账户级工具和政策才可用。询问某笔扣费时，才会揭示调查所需的纠纷处理流程、相关政策和工具。每一步解锁的，正是下一步所需的。
Sierra 的平台将上下文拆解为可管理的组件。关于工作流需要说明的一点：虽然我们刚讨论过僵化流程的局限性，但有些场景（比如高度规范化的信息录入流程）确实需要工作流。区别在于，工作流变成了满足条件时才注入的一条上下文，而不是整个系统的组织范式。
如何构建这套系统
Sierra 将 Agent 表示为一组可组合的上下文块，每个块关联一个条件。他们构建了一个集成技术栈来让这套架构真正可用——不牺牲控制力：
- Ghostwriter：帮你做 Context Engineering 的 Agent。你可以用自然语言给出指令，或者让它摄取现有的 SOP、通话记录和文档，自动生成上下文块和条件。
- Journeys：无代码编辑器，让你可以检查和优化 Ghostwriter 生成的内容，或者直接在 UI 中构建。
- Agent SDK：为希望将 Agent 作为代码管理的团队提供完整的编程控制，开发者可以定义自定义块或编写任意代码。
无论用哪种方式构建，底层运作逻辑是一样的。
为什么这值得投入
用一两个工具配合一个任务，任何现代 Agent 都能表现自然、可靠。但到了生产规模——数十个支持的用例、多个系统、以及针对不同细分市场的政策——性能和复杂性的现实压力就来了。
一个处理五个 Journey 的 Agent，宽松的上下文管理勉强能对付。但一个处理五十个 Journey 的 Agent，需要每一条上下文都在正确的时间到达。没有这种约束，模型就会被压垮，体验也会下降。
Context Engineering 在架构层面解决了这个问题。通过向模型发送更少、更相关的 Token，减少幻觉、提升自然度、提高性能。而且在处理简单改签时，也不用为沉重的行李政策付费。
更重要的是，这能让 Agent 面向未来。当你要硬编码逻辑时，你就限制了模型——它只能按预设路径的能力上限工作。而有了 Context Engineering，Agent 可以更自由地推理。新一代更强模型发布时，你的 Agent 自动继承这种提升。
更强的模型不会取代 Context Engineering 的必要性。最聪明的人也无法知道自己不知道什么。但它确实放大了做好 Context Engineering 的回报。
Context Engineering，是构建顶级 Agent 的核心工作。