考点5：上下文管理与可靠性（15%）

5.1 管理对话上下文以保留关键信息

关键知识：

渐进式摘要的风险：数字值、百分比和日期在模糊摘要中被压缩
中间迷失效应：模型可靠地处理长输入的开头和结尾，但可能错过中间的发现
工具输出可能在上下文中积累，与相关性不成比例（需要5个字段时却有40+个字段）
在后续API请求中发送完整对话历史的重要性

关键技能：

将事务性事实提取到摘要历史之外的持久化"案例事实"块中
将详细的工具输出精简到相关字段
在汇总数据的开头放置关键发现，并使用明确的章节标题
要求子智能体在结构化输出中包含元数据（日期、来源）

5.2 设计有效的升级模式并解决歧义

关键知识：

适当的升级触发器：明确请求人工干预、策略缺口/例外、无法取得进展
立即升级（明确请求）vs 尝试解决（在智能体范围内）
情感分析和模型置信度自评是案例复杂性的不可靠智能体
多个客户匹配需要请求额外标识符，而非启发式猜测

关键技能：

在系统提示词中使用少样本示例明确升级标准
立即执行人工干预的明确请求，不进行额外调查
当策略对特定请求模糊或未明确时升级
当工具结果包含多个匹配时请求额外标识符

5.3 在多智能体系统中实现错误传播策略

关键知识：

结构化错误上下文（故障类型、查询、部分结果、替代方案）使协调者能够更智能地恢复
区分访问失败（超时需要重试决策）和有效的空结果（无匹配）
通用错误状态（"搜索不可用"）对协调者隐藏了有价值的上下文
静默抑制或在单个失败时中止整个工作流都是反模式

关键技能：

返回结构化错误上下文：故障类型、尝试内容、部分结果、可能的替代方案
区分访问失败和有效的空结果
在子智能体内对瞬时失败进行本地恢复；仅传播无法恢复的错误以及部分结果
在综合中注释覆盖范围：哪些内容有充分支撑vs哪里存在缺口

5.4 在调查大型代码库时高效管理上下文

关键知识：

长会话中的上下文退化：模型开始产生不稳定的答案，并提及"典型模式"而非具体类
草稿文件跨上下文边界保留关键发现
委托给子智能体可以隔离详细的发现输出
结构化状态持久化支持崩溃恢复

关键技能：

为具体问题生成子智能体，同时在主智能体中保持高层协调
使用草稿文件存储关键发现并在后续引用
在生成下一阶段子智能体之前总结关键发现
在长时间调查中使用 /compact 减少上下文使用

5.5 设计具有人工监督和置信度校准的工作流

关键知识：

总体指标（例如，97%总体准确率）可能掩盖特定文档类型或字段上的差性能
分层随机抽样测量高置信度提取中的错误率
使用标注验证集进行字段级置信度校准
在自动化之前按文档类型和字段细分验证准确性

关键技能：

实现分层随机抽样以检测新的错误模式
按文档类型和字段分析准确性以验证稳定性能
输出字段级置信度分数并使用标注数据校准审查阈值
将低置信度或模糊来源的提取路由到人工审查

5.6 在多源综合中保存溯源信息并处理不确定性

关键知识：

在摘要期间未保留"声明→来源"映射时归因会丢失
在聚合期间必须保留结构化映射
通过用归因注释冲突来处理冲突统计数据，而非任意选择一个值
包含发布/收集日期以避免将时间差异误读为矛盾

关键技能：

要求子智能体输出"声明→来源"映射（URL、文档名称、引用）
将报告结构化为将稳定发现与有争议发现分开
保留带有注释的冲突值，并传递给协调者进行调解
包含发布日期以便正确解读时间顺序
按类型渲染内容：财务数据用表格，新闻用散文，技术发现用结构化列表