# 1. Context Engineering 与 Prompt Engineering 的边界是什么，为什么上下文质量常决定能力上限 A 两者是同一概念，没有实质区别 B 提示词负责"指令表达"，上下文负责"信息选择与组织"，后者常是能力上限的瓶颈 ✓ 正确答案 C Context Engineering 只关注窗口大小，与信息质量无关 D 只要提示词足够长，上下文质量就不再重要
# 2. 如何对系统规则、任务状态、知识证据、工具结果和记忆进行选择、排序、压缩与隔离 A 所有信息都应原样塞进上下文，保证不漏 B 记忆应全部混入，无需区分来源 C 工具结果永远是最高优先级，必须放最前 D 系统规则这类稳定约束应放最前并尽量保持稳定，动态状态与工具结果则应压缩、隔离并按需注入 ✓ 正确答案
# 3. Note-Taking 模式如何让 Agent 维护工作摘要，怎样防止未经验证的笔记变成长期事实 A 让笔记尽量简短，减少记忆量 B 禁止 Agent 写任何笔记 C 引入"暂存-校验-晋升"机制，未验证内容默认是草稿而非长期事实 ✓ 正确答案 D 把笔记放在上下文中部即可防止污染
# 4. Tool-Augmented 上下文与 RAG、Function Calling 如何区分边界，三者同时存在时应按什么顺序决策 A 三者完全等价，可以混用 B 三者同时存在时无法共存，只能选其一 C Function Calling 就是 RAG 的另一种叫法 D RAG 检索被动知识、Function Calling 调用外部能力、Tool-Augmented 把工具结果回收进上下文，三者按"先背景、后证据、再动作"协作 ✓ 正确答案
# 5. File-Based 模式怎样把大型中间产物移出窗口，文件命名、版本和清理如何管理 A 把大文件直接塞进上下文是最省事的做法 B 命名和版本无关紧要，只要文件存在即可 C 文件一旦生成就永久保留，无需清理 D 窗口只保留文件路径与摘要，通过语义化命名、版本号与生命周期清理来保证可寻址、可回溯、不失控 ✓ 正确答案
# 6. Tool-Augmented 上下文如何按需读取数据，为什么工具结果仍需预算和不可信输入处理 A 工具结果可信，可直接全量塞入上下文 B 工具结果无需压缩，直接注入即可 C 工具结果越大越好，能让模型更准确 D 工具结果应按需读取、设 Token 预算上限，并当作不可信输入做转义与限制处理 ✓ 正确答案
# 7. Just-in-Time Retrieval 如何决定何时检索、检索什么以及何时停止 A 永远检索到把所有相关文档都读完为止 B 检索次数越多越好，不存在停止概念 C 只在任务结束时检索一次 D 达到足够证据或预算上限即停止，预算耗尽时进入"信息不足/保守回答"的兜底 ✓ 正确答案
# 8. 何时应让模型把中间结论写回 Note-Taking 草稿而不是直接出现在回答，事实校验又如何进行 A 任何时候都直接回答，无需草稿 B 只有最终答案才写草稿 C 当结论是推导过程中的中间状态、需跨回合复用或待核实时应写回草稿，并对事实分层校验后再晋升 ✓ 正确答案 D 草稿内容无需校验即可当作事实
# 9. 上下文压缩过程中应保留哪些承诺、实体、未完成任务和引用，方便回溯而非简单截断 A 把上下文删到最短，甚至截断后半段 B 完全不压缩，避免任何损失 C 只保留用户最后一条消息 D 保留承诺、实体、未完成任务与引用，并保留原文指针以便回溯 ✓ 正确答案
# 10. Just-in-Time Retrieval 何时决定停止检索，预算耗尽与置信度不足的兜底分别是什么 A 预算耗尽时止损并做保守回答，置信度不足时暴露不确定性或反问澄清，而非强行回答 ✓ 正确答案 B 预算耗尽就继续检索，直到找到答案 C 置信度不足时应继续无限检索 D 停止检索只取决于证据数量，与预算无关
# 11. File-Based 模式如何用命名空间、版本号和清理策略避免“孤儿文件”与多 Agent 写冲突 A 所有文件放同一目录，靠人工记住 B 用命名空间隔离、版本号+原子写/乐观锁控制并发，并用生命周期与所有权扫描清理孤儿文件 ✓ 正确答案 C 禁止所有 Agent 写文件 D 版本号只是装饰，不影响并发安全
# 12. 如何检测上下文工程失败，例如上下文空白、提示注入污染、循环重复和指令被覆写 A 通过蜜罐标记测注入、关键约束复现率测覆写、关键实体存在性测空白、动作序列去重测循环，并沉淀为自动化测试 ✓ 正确答案 B 只能靠人工翻阅对话日志 C 上下文失败无法检测，只能接受 D 只要上下文够大就不会失败
# 13. 不同位置（开头、中部、结尾）的信息布局为何对模型表现不一致，如何显式控制顺序 A 所有位置价值相同，无需关心 B 信息越靠后越不可能被使用 C 存在 Lost-in-the-Middle 等位置偏差，应把关键信息置于开头/结尾或加强调标记，并显式控制布局顺序 ✓ 正确答案 D 位置偏差无法通过布局缓解
# 14. Pruning、摘要和分层各可能丢失什么，如何用回归任务验证上下文压缩 A 只看压缩后 Token 减少了多少 B 只要压缩算法复杂就可靠 C 压缩后不再需要测试 D 用压缩前后跑同一批回归任务，对比关键实体召回、承诺完成率与准确率等指标 ✓ 正确答案
# 15. 业务场景选择上下文模式时，应比较哪些质量、延迟、成本和可审计性指标 A 只看准确率一个指标 B 可审计性在生产场景无关紧要 C 只看成本，越便宜越好 D 综合比较质量、延迟、成本与可审计性四个维度，并固定评测集做加权对比 ✓ 正确答案
# 16. Note-Taking 笔记的过期、淘汰与撤销如何实现，避免错误记忆长期污染后续任务 A 错误笔记标记后即可，无需额外处理 B 通过过期、淘汰与撤销机制管理笔记生命周期，撤销时同步传播到摘要、索引与派生数据，防止旧版被回捞 ✓ 正确答案 C 笔记一旦写入就永久有效 D 只靠缩短笔记长度即可防污染
# 17. 何时应只把精选信息送入上下文，如何衡量“信息策展”与“全量提供”的质量差 A 全量提供永远优于策展 B 在窗口有限或噪声大时策展更优，应固定评测集对比质量差与成本，并度量"策展误杀率"来决断 ✓ 正确答案 C 策展只会降低质量，从不划算 D 策展与成本无关，只影响延迟
# 18. 多 Agent 共享上下文时如何隔离敏感片段，防止跨任务泄露个人或商业机密 A 所有 Agent 共享一个全局上下文，方便协作 B 敏感信息直接以明文传递即可 C 只防外部泄露，不防内部 Agent 互访 D 命名空间隔离 + 字段级遮罩 + 访问控制 + 只传引用/摘要，并对输出做脱敏校验 ✓ 正确答案
# 19. 中英混排、多语种长文档的上下文布局是否需要额外处理，Code-Switch 如何检测 A 直接当单语种处理即可，无需特殊处理 B 需按语言分块组织并检测 Code-Switch 边界（用语言模型、n-gram 或困惑度），使分块/检索/摘要尊重语言边界 ✓ 正确答案 C 多语种与单语种在布局上完全等价 D Code-Switch 检测只对中文有意义
# 20. 为什么上下文工程不能仅追求“放更多”，而应优先解决“该放什么”和“怎么放” A 优先解决"该放什么"（选择）与"怎么放"（组织），而非盲目追求窗口容量 ✓ 正确答案 B 窗口越大越好，放得越多越准 C 放更多免费且无副作用 D 上下文质量与容量无关
# 21. 如何 A/B 测试不同上下文策略，保证评估集覆盖长尾、跨会话和多语言 A 只测高频典型样本即可 B 评估集可随意，无需版本化 C 无需统计显著性，凭感觉判断 D 固定变量只改策略，用同一评测集对比，并分层覆盖长尾、跨会话与多语言样本 ✓ 正确答案
