课程进阶
上下文工程
Context Engineering
DeepLearning.AI 上的一门中级课程“Context Engineering”，与 Chroma 合作制作，讲师为 Jeff Huber 和 Drew Breunig。课程共 37 个视频、8 个代码示例、6 次评分作业，时长约 18 小时 56 分，内容涵盖智能体搜索、上下文管理（裁剪、压缩、草稿板）和智能体记忆。材料显示该课程于 2026 年 10 月 26 日更新，证书需 PRO 会员。
- 分级
- 值得看
- 收录时间
- 2026-10-26
- 难度
- 进阶
- 语言
- 英文
- 规模
- 37 视频 · 18h56m
- 费用
- 部分免费
- 动手
- 8 个代码示例 · 6 次作业
学完你能
- 说明 agent 上下文的组成、失效模式以及上下文腐化（Context Rot）为何让长上下文不可靠
- 利用 agent harness 中的 hooks 与 traces 定位并预防上下文问题
- 为 agent 配置词法、语义、混合与结构化检索，并写好工具描述、用工具注册表按需加载工具
- 用分块、代码解析与元数据改进检索，并用精确率与召回率衡量效果
- 用去重、抽取、截断等剪枝手段与压缩摘要、scratchpad 管理上下文格式
- 为 agent 构建跨会话的事实、规则与产物记忆，并评估记忆效果
适合你吗
适合
- 构建 AI agent、希望其在复杂多步任务上保持可靠与高效的开发者
- 想用纯 Python（不依赖框架）从零搭建 agent harness 的工程师
- 已了解 LLM 应用、工具调用与基础检索概念，想深入上下文管理的人
暂不适合
- Python 编程仅停留在入门水平、不熟悉函数与类的人
- 完全没有 LLM 应用、工具调用或检索经验的人
- 想找提示词写法技巧而非 agent 上下文工程的人
需要先会
需要中级 Python 能力（函数与类），并熟悉 LLM 应用、工具调用与基础检索概念。
课程特点
- 内容侧重
- 以“在正确的时间给 agent 正确格式的正确信息”为主线，覆盖 agentic search、上下文管理与 agentic memory，用 traces 与 evals 驱动改进。
- 练习与项目
- 8 个代码示例实验（每次约 1 小时）与 6 次评分作业（含模块测验），实验在 notebook 中用 Python 从零搭建，不含框架。
- 投入时间
- 页面标注总时长 18h56m，含 37 段视频；多段概念视频为 3–9 分钟，部分实验各约 1 小时，模块测验约 15 分钟。
- 费用说明
- 课程页面引导升级 Pro 会员，Pro 月费为按年计费 25 美元/月、按月计费 30 美元/月；完成课程获得证书需为 Pro 会员。
内容覆盖
- 模块 1：上下文工程导论（上下文组件、失效模式、Context Rot、agent harness 组件）
- 模块 1 实验：上下文失效模式、客户支持 agent 内部结构、塑造其上下文
- 模块 2：Agentic Search（编码 agent 示例、检索策略、工具注册表、评估与数据准备）
- 模块 3：上下文管理（研究 agent 示例、剪枝、压缩、scratchpad 与评估）
- 模块 4：Agentic Memory（邮件 agent 示例、读取记忆、写入记忆与评估）
- 嘉宾分享：Drew Breunig（共四部分）