KEEL · 龙骨 · A CURRICULUM FOR THE AI ERA

Context Engineering 课程设计说明 — keel 龙骨

Context Engineering 的参考信息：Context Engineering 课程设计说明

核心问题

这门课不把 Context Engineering 讲成“把更多文本塞进 prompt”，而是回答一个可验证的问题：

在模型单次注意力空间有限、任务状态持续增长、工具消息存在结构约束的情况下，程序怎样为每轮调用构造一个可解释、可恢复、可评估的工作集？

课程使用同一个支付服务事故贯穿 9 章。用户要求判断服务是否恢复、是否和历史事故有关，并给出证据。Agent 会读取当前监控、变更记录、工具结果和有作用域的历史记忆。随着运行继续，上下文逐渐超预算，随后触发选择、压缩、checkpoint 和恢复。

读者起点与终点

读者起点：能阅读 Python、JSON 和基本模型消息，知道 Agent 会循环调用模型与工具，但还不能解释长任务为什么会“失忆”。

读者终点：能画出并实现下面这条管线，且可以用事件和测试解释每一次取舍：

事实来源
  -> 权限与作用域过滤
  -> 候选标准化
  -> 目标 tokenizer 计数
  -> 预算计划
  -> 依赖感知选择
  -> 必要时压缩
  -> 工具轨迹校验
  -> 模型请求
  -> usage 对账
  -> checkpoint / 评估

章节递进

章 新增能力 对应项目证据
01 区分窗口、当前上下文、运行状态和记忆 BudgetPlan 的容量公式
02 用可替换计数器测量完整消息 TokenCounter、usage 对账
03 把容量转成分层预算契约 BudgetPlan 和失败校验
04 在预算内选择带依赖的候选 Candidate、select_candidates
05 比较 trim、summary、摘要链与结构化证据 compact_messages；摘要链与分级摘要是策略层概念，教学项目的规则替身摘要器不实现
06 保持 tool call/result 的结构合法 validate_tool_trace
07 触发、checkpoint、幂等重放与恢复 ContextEvent、CheckpointStore
08 用任务质量、事实保留、成本和风险评估 tests、UsageReconciler
09 把整条管线接回 Harness 结课验收清单

章节依赖是单向的：计数先于预算，预算先于选择，选择先于压缩；恢复和评估覆盖整条链路。不得把长期记忆、MCP 或供应商 conversation state 当成自动解决窗口问题的替代品。

教学实现与生产替换点

教学实现 它证明什么 生产替换
CharTokenCounter 预算算术和计数器接口可重复 目标模型 tokenizer 或官方计数 API
内存 CheckpointStore 版本单调和重复保存幂等 事务数据库、事件存储或 durable workflow
规则摘要器 来源标记、预算适配和失败路径 受约束摘要模型、供应商 compaction 或结构化提取
固定候选 优先级、依赖和稳定选择 权限过滤后的检索、记忆和工具证据
单进程示例 控制流和事件字段 多 worker、队列、租约、deadline 和告警

教学替身不得被描述为生产能力。特别是字符估算不是 tokenizer，规则截断不是高质量摘要，保存了一份摘要也不等于长期记忆正确。

内容验收基线

本课程按仓库级规范 docs/curriculum/COURSE-WRITING-STANDARD.md 重写。该文件用于作者和审核者，不属于课程公开内容根目录。每章必须：

进入 keel 阅读