上下文工程师

岗位 JD 分析

核心职责

• 设计和维护 LLM 应用的完整上下文管理架构，包括系统提示、知识检索、对话历史和工具调用的编排
• 优化上下文窗口利用率——在有限 Token 内传递最高信息密度，减少幻觉和遗忘
• 构建动态上下文组装管线，根据用户意图自动选择和排列相关文档片段
• 定义上下文质量指标（相关性、时效性、完整性），建立持续监控和告警
• 与 RAG 工程师和 Agent 开发者协作，确保上下文在多步推理中保持一致性

必备要求

• 深入理解 Transformer 架构和注意力机制，知道上下文在模型内部如何被处理
• 精通至少一种 LLM 编排框架（LangChain、LlamaIndex、Semantic Kernel）
• 3+ 年后端工程经验，熟悉分布式系统和缓存策略
• 掌握向量数据库（Pinecone、Weaviate、Qdrant）和文档处理管线
• 优秀的系统设计能力，能在延迟、成本和质量之间做权衡

加分项

• 有大规模 RAG 系统生产经验
• 了解 GraphRAG 和知识图谱技术
• 有 Agent 编排和多轮对话状态管理经验

典型的一天

转型建议

适合转入的背景

转型路径

1. 第 1 步：深入学习 Transformer 架构和注意力机制原理，理解上下文窗口的本质
2. 第 2 步：用 LangChain 构建一个完整的 RAG 应用，体验文档切片→Embedding→检索→生成全流程
3. 第 3 步：学习上下文工程的核心技术：动态 Prompt 组装、上下文压缩、记忆管理
4. 第 4 步：在开源项目中实践多 Agent 场景的上下文共享和传递策略
5. 第 5 步：将经验写成技术博客，投递 Context Engineer 或 Senior AI Engineer 岗位

学习路线图

常见误区

推荐学习资源