上下文工程正在改变数据科学家与大型语言模型的交互方式，将焦点从提示工程转移到结构化上下文传递上。 Anthropic 近期发布了针对 Claude 5 系列模型的新指南，强调 LLMs 用于回答查询所依据的所有来源集合——而非孤立的提示——现在是性能的主要驱动因素。 对于数据科学家来说，这意味着需要超越 crafting 完美的输入字符串，而是构建一套全面的文档、指令文件和设置，供代理利用。 像 Claude Code 这样的系统以代理方式运行，执行多次 API 调用进行推理和编码，使精心设计的上下文对于可靠输出至关重要。 这些指南提供了一个有效组织这些上下文的框架，确保代理最佳地利用所提供的信息。 通过采用这些新规则，数据科学家可以提高生产力并确保模型按预期运行，避免因使用过时的方法而感到困惑， wondering why a model is not performing correctly due to outdated interaction methods.