上下文注入

要解决的问题

当模型需要外部知识才能完成任务时，直接把资料粘贴进提示词往往不够。文档、数据库记录、API 返回、检索结果或历史对话都可能影响最终输出，但位置、格式和 token 分配没有规划，模型就容易被无关内容稀释注意力，甚至把资料当成指令。

核心能力

这个技能围绕上下文注入做结构化处理：

• 识别需求：判断任务需要 document grounding、少样本示例、工具输出还是元数据。
• 收集与压缩：从数据库、文件系统、API、向量库或历史对话中取资料，并在注入前做必要截断。
• 选择注入位置：规则和角色写进 system prompt；检索文档通常放在用户问题前；少样本示例放在系统提示与当前查询之间；工具结果按 assistant/tool 消息注入。
• 加边界与标签：用 XML 标签、Markdown 标题或代码围栏分隔内容，避免模型混淆指令、上下文和用户问题。
• 组装与校验：把系统提示、上下文块、历史和当前查询合成最终提示，并确认 token 预算仍有余量。

适用边界

上下文注入适合需要外部信息来完成任务的场景。若注入内容超过窗口，应压缩低优先级内容，而不是静默丢弃；多份资料冲突时，要明确优先级或让模型标记冲突；包含 PII、用户画像或凭据时，应先脱敏；不可信内容要清楚标记为数据，防止 prompt injection。没有检索结果时，也应注入 No relevant documents were found 这类兜底信息。