北京
“Claude Code没有魔法。”这是Anthropic资深工程师Daisy Hollman在近期技术演讲中给出的核心判断。当整个行业热衷于讨论AI编程工具的能力边界时，这场演讲将焦点拉回一个更本质的层面：软件工程的核心正在从“编写代码”转向“构建上下文”。 一、为什么2026年的核心是上下文工程 Hollman在演讲中指出，AI编程Agent的能力上限并不取决于模型参数的大小，而取决于它对项目上下文的理解深度。传统编程中，工程师通过阅读代码、查阅文档、理解业务逻辑来建立心智模型。而在AI辅助开发的范式下，这个心智模型的构建过程被转移给了Agent——问题在于，Agent无法像人类一样“自然而然”地理解项目。 这就是上下文工程要解决的命题：如何系统性地为AI Agent构建、组织和维护高质量的项目上下文。它不是简单的Prompt Engineering的升级版，而是覆盖整个软件开发生命周期的新工程学科。 二、定制化：从通用助手到领域专家 演讲重点阐述了三个核心技术路径。首先是定制化。Hollman认为，通用编程助手面临的根本困境在于：不同团队、不同项目、甚至不同开发阶段对上下文的需求截然不同。一个金融交易系统与一个社交媒体应用，它们的架构约束、性能要求、合规标准毫无共通之处。 定制化的本质是将团队特有的知识体系结构化地注入Agent的决策过程。这包括项目架构文档、编码规范、领域模型、API契约以及历史决策记录。当Agent能够访问这些经过组织的上下文时，它的建议才从“通用正确”进化为“项目正确”。 三、插件抽象：构建可组合的上下文层 第二个核心路径是插件抽象。Hollman将AI编程Agent的架构类比为现代IDE的插件生态——但其抽象层次更高：每个插件不是增加一个按钮或快捷键，而是定义了一种与Agent交互的上下文协议。 这种设计的价值在于组合性。一个数据库连接插件可以提供Schema结构，一个监控插件可以提供线上性能指标，一个安全插件可以提供依赖漏洞情报。Agent在规划任务时，可以主动拉取相关插件的上下文，而不是被动等待用户提供。这使得Agent的“视野”超越了单个代码仓库，延伸至整个技术栈的运行时状态。 四、多Agent工作流：从单打独斗到工程协作 第三个路径是多Agent工作流。Hollman强调，单Agent模式存在固有的注意力瓶颈——当一个Agent需要同时关注架构设计、代码实现、测试覆盖和部署配置时，它的上下文窗口很快就会饱和。 多Agent架构将不同职责分配给专职Agent，每个Agent持有与自身任务高度相关的窄上下文，通过明确的通信协议进行协作。例如，架构Agent负责解析系统设计文档并生成接口契约，编码Agent依据契约实现功能，测试Agent根据变更内容生成验证策略。这种分工模式不仅降低了单一Agent的认知负载，也让上下文的管理粒度更精细、更可追溯。 五、Monorepo级实践：大规模工程的落地路径 演讲特别回应了一个现实问题：这些方法论能否支撑Monorepo级别的大规模工程？Hollman的答案是肯定的，但前提是必须建立分层上下文体系。 项目根级别的上下文描述整体架构与构建依赖，模块级别的上下文聚焦领域逻辑与内部API，文件级别的上下文则涵盖具体实现细节。Agent在执行任务时，通过分层检索策略获取匹配粒度的上下文，避免无关信息的干扰。 这种模式的实际效果是：当Agent被要求修改一个深埋在依赖链底层的核心库时，它不必加载全仓库的代码信息，而只需获取受影响路径上的关键上下文。上下文工程的效率优势在大规模项目中体现得尤为明显。 六、重新定义AI编程的本质 这场演讲的深层含义在于：AI编程Agent的能力瓶颈已经从模型推理转移到上下文管理。2026年的软件工程真正考验的是工程师对信息的组织能力、对Agent行为的设计能力以及对开发流程的重构能力。 “没有魔法”并不意味着Claude Code不够强大，恰恰相反——正是因为放弃了对“魔法”的依赖，转而将上下文工程作为一等的工程实践来对待，AI编程Agent才真正具备了在大型复杂项目中稳定运行的可能。对于正在采用AI编程工具的团队而言，与其追逐更强大的模型，不如先着手构建属于自己的上下文基础设施。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
