📖 我花了一周时间，把 Context Engineering 的碎片拼成了完整认知框架

从 Manus 官方博客、LangChain 播客，到 Anthropic 的工程实践，系统梳理了 Agent 开发的底层范式。

为什么你的 Agent 越跑越蠢？
到 128K 就"智商跳水"
工具超过 30 个就开始犯错
花5美元跑一次，到第45轮就忘了初心

问题不在模型，在 Context Engineering。
从 KV Cache 优化到 Multi-Agent 隔离，从可逆压缩到工具遮蔽——每个技术决策背后都有深刻的工程哲学。

核心理念：Less Structure, More Intelligence
Context Engineering 才是应用层公司真正的护城河。

日夜颠倒一个月
难不成得去找医生开安眠药才能调整作息🤔

从知道到理解到行动
每一步要花的时间都很长
很羡慕那种行动力极高的人

很多 PM 读论文就像自虐：
从第一个字开始读 → 被公式卡住 → 硬扛 10 分钟 → 放弃 → 下次继续从第一个字开始。
你以为在读论文，其实在被论文读。
论文不是小说，不用从头到尾。PM 读论文的目标只有一个：读完能做判断。
有价值就深挖，没价值立刻放弃。

⚠️重要提醒：公式直接跳过
PM 不用推导公式，只要搞清楚四件事：
解决什么问题｜核心思路｜工程实现｜局限在哪。

———
⏱️第一步：5–10 分钟筛选
1）Abstract 最后一句：作者认为的核心贡献是什么？
2）第一张图：通常是架构图，看懂就知道论文在讲啥
3）Introduction 最后一段：作者的 claims 是什么？值不值得你继续花时间？
“这篇论文对我的判断/视野有没有增量？”没有就跳。

———
🔍第二步：抓真正重点
先看 Experiments 📊
看三件事：
1）指标在测什么能力
2）baseline 选得公不公平
3）测试集/数据哪来的

警惕两件事：
堆一堆技巧不可归因
只报最好结果，不讲波动和失败
一句话：PM 不用会做实验，但要会识别“凑出来的提升”。

再看 Limitations / Discussion ⚠️
这是全文最值得看的部分。
作者承认的局限，就是你落地要面对的约束和风险。
如果一篇论文几乎不提局限，要保持警惕。

最后看 Method 第一段 + 配图 🧩
不抠细节，只搞懂四件事：
核心机制是什么｜关键假设是什么｜工程要改哪些点｜失败模式有哪些。
搞懂这四个，你就能复述、质疑，也能迁移到自己的场景里。

———
🤖看不懂就问 AI
建议用 Dia 或 Comet 等 AI 浏览器看论文：
常用 Prompt 可以封装成快捷键，一键提问/翻译，非常方便。
再配合语音输入法直接问，效率更高（推荐我在另一篇帖子里写了）。
你可以直接这样问：
“用产品经理能懂的语言解释这段”

———
✍️读完必须写 3 句话（不写=白读）
1）这篇论文做了什么
2）对我有什么启发
3）下一步行动是什么

真正的阅读效率不是读得多，而是：快速淘汰 90%，把时间留给那 10%。

💬评论区聊聊：你读论文有什么小技巧？
💎想要我的读论文/ 图片翻译 Prompt，评论区说一声。

用GPT-5.2写小红书图文，效果我觉得平平无奇。
Benchmark只有第一次推出的时候才有意义。后面就很容易被hack，做定向的优化，体现不出真实的水平。

要测试真实效果还是得靠大家在实际情况的一个运用，靠人工评测更真实一点。

明天来研究一下 Gemini3 Pro 的 DeepResearch 跟开源的 DeepSearchQA paper。

谷歌账号换成美国地址，语言换成英文 //@Gracyyin: 请问解决了吗？

没想到变 Lenny 铁粉了😂

研究了一周RAG，写了篇长文。

核心结论：RAG做不好，问题往往不在架构，而在两道坎——解析和检索。大多数教程教你"跑通"，没人告诉你怎么"做好"。

第一次写这么长的内容，有不对的地方欢迎指正👇