Unverified50% confidenceFactExact time
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
Sources
50%
Confidence
Long-term
Relevance
8/20/2026
First Seen
Sources
Related Claims
Unverified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% similarUnverified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% similarUnverifiedPrompt 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% similarUnverified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% similarUnverified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% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/779380API
curl https://kongchang.com/api/v1/knowledge/claims/779380MCP
get_claim(id=779380)