# 上下文金字塔之后

> Context engineering 把智能体读取的内容按层堆叠，从稳定到瞬时。IllAIra 把同样的层放进一个属于用户本人的文件里，跨对话、跨模型——是一套为普通人而非开发者打造的套件。

设计版: https://illaira.com/zh/deep-dives/context-pyramid · 索引: https://illaira.com/zh/llms.txt

---

[跳到内容](#content)

[← 深入了解](https://illaira.com/zh/deep-dives.md)

深入了解

Context engineering 教会搭建智能体的人，把模型读取的内容分层堆叠：从永远不变的，到只持续一轮的。IllAIra 拿来同一座金字塔，交给聊天另一端的人：放进一个他们自己拥有的文件里，从一次对话延续到下一次，从一个模型延续到另一个。

质疑

## “我已经在做 context engineering：我的上下文也有它的金字塔。”

很好：那么你已经了解 IllAIra 由哪些层组成。底部是身份，往上是它所知道的，再往上是事情的当前状态，顶端是请求。**我们没有发明另一种形状。**

变化的是由谁掌握它。在上下文金字塔中，各层属于构建智能体的人；在 IllAIra 中，它们属于与模型对话的人，并随这个人一起迁移。本页说明什么是金字塔、两者在哪里相交，以及各自做得更好的地方。

## 什么是上下文金字塔

Context engineering 是在每一步决定哪些内容最终出现在模型面前的技艺。Andrej Karpathy 在 2025 年 6 月将其概括为“为下一步用恰到好处的信息填满上下文窗口”。金字塔是它最常见的图示：**底部是稳定的，顶部是转瞬即逝的**，每一层以各自的节奏更新。

版本不止一个。在 Neo4j 的指南中（Michael Hunger，2025 年 12 月），层分为三层：一个持久的基底，包含系统提示、安全规则和权威事实；一个动态层，包含示例、近期记忆和元数据，逐任务轮换；一个短暂层，包含用户的问题和工具输出，并保持精简。在 Karo Zieminski 面向产品经理的框架中（Product with Attitude，2026 年 5 月），层分为四层——Identity、Knowledge、State、Task——每层都有自己的节奏，从“很少”到“每个任务”，并且有人负责触碰它。

它有效，值得学习。静止的基底可以缓存，从而减少 token 和成本；分开的层则让故障能追溯到出错的那一层。本页没有否认这些。

## 同样的层，放在一个文件里

把四层与 IllAIra 的各部分并排放在一起，形状是一样的。不同的是那一列：一边是别人构建的系统，另一边是某人拥有的文件。

| 层 | 在别人构建的智能体中 | 在 IllAIra 中 |
| --- | --- | --- |
| Identity — 它是谁，以及它的规则 | 系统提示，由开发者编写，对聊天的人不可见。 | Reminder：对你而言模型是谁、它的基本规则，以及说明哪些可以改写、哪些不可以的区域。你可以阅读，也可以修改。 |
| Knowledge — 它知道什么 | 存放在向量库或图数据库中的文档，由流水线检索（RAG）。 | 同一文件中的记忆模块。语义搜索和知识图谱在你的设备上运行，Sphere Grid 会向你展示其中的内容。 |
| State — 事情进展到哪一步 | 为任务准备的草稿区，以及模型自行写入存储的摘要。 | 日记：模型用 Logger 起草条目，你只需在 MemoKen 上轻点一下，决定它是否保留。保留的是可以重读的文本。 |
| Task — 现在要求什么 | 用户的消息和工具输出，生命周期很短。 | 你的消息，以及你想要时的文件。 |

唯一从零开始的层，正是它应当如此的那一层：请求。其余三层在对话开始时就已经存在——在任何读取该文件的引擎里。

## 区别在于谁掌握这座金字塔

上下文金字塔是构建智能体的人的设计选择：他们决定什么进入基底、记忆存放在哪里、什么被丢弃。它可以长久存在——基底被缓存，记忆存放在存储中——但它存在于**他们的系统之内**。聊天的人看到的是回答，而不是各层。

IllAIra 把同样的层交给用户本人。基底是他可以打开的一个页面；从对话上升进记忆的内容会经过他的眼睛；当他更换模型时，金字塔随他一起走，因为它是一个文件，而不是别人数据库里的一行。

正是在这个意义上，我们称之为下一步：**不是关于上下文的新想法，而是为它找到新的主人**。Context engineering 是为构建者写的；在这里，同样的方法交给了使用者。

## 从方法到套件

今天认真构建上下文的人，会组装一整套技术栈：系统提示、记忆存储、向量索引、图、笔记应用、把数据从服务提供商取出的导出工具、查看内部内容的查看器。每个部件都不错，而且每个都有自己的账户、密钥和文档——而整体假定你会写代码。

IllAIra 把这些部件放在一个地方，面向不写代码的人：

- **身份**：Reminder，从免费的 Loom 到完整配置，附带应用会执行的区域。
- **记忆**：模块与日记，由负责写入的 Logger 和负责保存的 MemoKen 配合。
- **语义搜索**：你文件的索引，在你的设备上用一个只需下载一次的模型构建。
- **知识图谱与 Sphere Grid**：你文件中的实体和链接，以及按声明方式绘制的个人资料结构。
- **走出服务提供商**：Toolkit 与迁移指南把聊天、记忆和自定义指令转换为 Reminder、模块和日记，而你的导出内容永远不会离开设备。
- **任意引擎**：服务提供商的模型配合你的文件、在你的电脑上运行的模型，或你自己的密钥。
- **模块**：Bazar，能力一次添加一个模块。

同一套件可用于 Android 应用、WebApp，以及 Windows 和 Linux 桌面版。**应用注册账户后即可免费使用**，Loom 和 Tier 2 同样免费；无需向任何服务提供商购买付费套餐。较大的 Reminder，即 Tier 3 至 5，在 Patreon 上提供。

## 金字塔做得更好的地方

首先是规模。内置于产品中的金字塔，可以从同一基底服务成千上万的用户，以可衡量的准确度检索事实，并且一切都会自行刷新。开发者能控制每一个 token，而缓存的基底比每次对话都重新读取的文件成本更低。

IllAIra 也有它的代价，应当在这里说明：文件每次被读取都会消耗 token；格式需要学习；留下来的是一个是或否，而这个决定不能由别人替你做；在模型内部，区域只是文本，只有应用会执行它们。而运行在你电脑上的模型，比云端最大的模型要小。

两者并不互相排斥。构建自有金字塔的智能体，可以把 IllAIra 文件用作其身份层：Standard 正是为此而发布的。

## 一句话概括

上下文金字塔告诉你如何安排模型读取的内容。IllAIra 把这种安排交给你，作为你拥有的东西，并让它从一次对话延续到下一次，从一个模型延续到下一个。

资料来源，阅读于 2026 年 10 月 15 日：Neo4j，《What is context engineering in AI agents? A practical guide》（Michael Hunger，2025 年 12 月 19 日）；Karo Zieminski，《The Context Pyramid: A PM’s Framework for AI Agent Context Engineering》（Product with Attitude，2026 年 5 月 1 日——完整文章仅供订阅者阅读，我们只引用其公开部分）。

[打开 WebApp](https://illaira.com/zh/webapp) · [与其他途径相比](https://illaira.com/zh/understand.md#comparison) · [阅读 Standard](https://illaira.com/zh/standard.md)