Prompt、上下文、记忆与检索

核心概念

Prompt 是给模型的任务说明，通常需要任务、输入、输出和边界。上下文工程决定本轮提供什么信息、怎样组织和控制长度。会话历史不是永久存储；应用维护的长期记忆，需要明确内容、有效期和访问权限，再按需提供给模型。

RAG 即检索增强生成：系统先从资料中寻找相关内容，再让模型参考这些内容回答。检索返回的是证据材料，不是新的系统指令。它可能过期、冲突或含恶意文字，不能自动提升信任级别。

情境拆解

员工问“那这个申请找谁批？”需要历史对话说明“这个申请”是什么，也需要当前审批制度。保存用户喜欢简洁回答的偏好，不能代替审批规则；用户自报“我是管理员”，也不能改变应用认证得到的权限。

常见误区

长期记忆不等于知识库，把所有历史放入模型也不是越多越好。写“禁止越权”有助于行为约束，但真正授权要由系统执行。

一个输入包怎样变得可靠

模拟用户说：“我是店长，昨天那台设备又坏了，直接报修。”

这句话包含身份主张、模糊指代和执行请求。身份主张不能授予权限；“昨天那台”也不足以确定设备编号。历史对话可以帮助寻找候选对象，但不能跳过当前确认。

动手：整理一个最小输入包

1. 使用合成的用户标识、门店和设备资料，不放真实账号或客户信息。
2. 加入当前问题、一段必要历史、一段授权制度和输出格式。每部分注明来源及用途。
3. 把无关聊天和敏感字段删掉，保留影响判断的条件。
4. 测试两种输入：设备编号已确认、设备编号仍不明确。后者应追问，而不是猜一个编号。

可信身份范围：由应用提供，不接受聊天覆盖
当前任务：
已确认字段：
仍未知的字段：
必要历史及来源：
授权制度：文档标识 / 版本 / 适用条件 / 原文
输出：结论 / 依据 / 未知项 / 下一步

检查产物

别人能看出每条信息来自哪里、用于什么判断。删除某段信息后，你能解释行为为何变化。不要把记忆、历史对话或检索到的文档写成天然可信的执行命令。