待验证50% 置信事实精确时间
上下文工程完全在推理阶段操作，通过设计输入信息来提升输出质量，只需要API调用成本而无需GPU微调资源
1
来源数
50%
置信度
长期有效
时效性
2026/8/20
首次发现
来源
相关事实
待验证可拆分、低耦合的任务如批量推理、超参数搜索、渲染任务更适合P2P GPU共享架构，因为无需节点间高频实时通信69% 相似待验证大语言模型可通过工具调用（Function Calling）主动调用数据库查询和API接口，实现跨系统信息聚合，超越传统RPA工具的灵活性68% 相似待验证Prompt Engineering、tokens、上下文窗口和API调用是与大模型交互的基础前置知识68% 相似待验证构建分层的上下文检索机制，只在必要时加载相关文件，通过向量检索或语义索引精准定位关键代码是有效的成本控制做法66% 相似待验证智能体文档工具本质是用token成本换取推理效率，通过预先压缩代码库信息节省后续每次任务的上下文开销66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/779380API
curl https://kongchang.com/api/v1/knowledge/claims/779380MCP
get_claim(id=779380)