Prompt engineering
把任务、角色、规则说清楚，让模型知道应该如何回答。
模型应该怎么说？Context / State / Agency
JDOE · TECHNICAL PERSPECTIVES从 Context
Engineering到 Agent 的状态表征
与 World Model
模型越来越强，为什么 Agent 还是经常像第一次见到你？这场分享从一个简单问题出发，拆开 Context、Harness、State 与 World Model 之间的关系。
Context 不是更多的信息，而是在正确的时间，让 Agent 使用正确的信息，做出正确的判断。
FIG. 01 / THE SYSTEMCONTEXT → STATE → AGENCY
从现实信号，到行动能力。A PERSONAL CONTEXT LAYER
01 / The shift
技术演进，不只是把 Prompt 写得更长
每一次演进，实际上都在回答一个更大的问题：模型如何从“会说话”，走向“能在现实世界里持续做事”。
Context engineering
不是塞更多 token，而是选择当前任务真正相关的信息。
模型现在应该看什么？Harness engineering
给 Agent 工具、权限、反馈、验证和失败恢复，让回答成为闭环。
Agent 如何可靠地做事？State engineering
定义什么应该持久、什么应该更新、什么只对当前事件有效。
Agent 现在真正处于什么状态？我们的判断：Agent 的长期能力不只取决于模型参数，而取决于它能否把连续、变化、带噪声的 Context，组织成可更新、可调用的 State。
→
02 / One question
同一个问题，五层系统
点击上方的层级。问题不变，系统逐步获得 Context、工具、状态和对未来的预测能力。
INTERACTIVE / 01—05ILLUSTRATIVE DEMO · NO LIVE ACTIONS
The same user prompt
“帮我安排明天的工作，优先处理最重要的事。”
Available signal
Agent response
ready
What changed
03 / Context pipeline
Context 不是 Memory 的同义词
Context 是一次任务中被调用的相关信息；它背后需要一套从现实信号到可用状态的组织过程。
Capture
从语音、屏幕、视觉和设备交互获得连续信号。
Observation
把原始信号变成带来源、时间和置信度的观察。
Episode
将一段连续事件组织成可理解的经历片段。
Memory
保留可能在未来反复有用、且可追溯的信息。
State
把信息投影成任务当前可以使用的状态。
Action
让 Agent 基于状态做建议、决策和执行。
关键区别：不是所有观察都该变成 Memory，也不是所有 Memory 都应该直接进入 Context。中间需要时间尺度、任务相关性、来源和更新规则。
04 / State representation
一个人不是一个固定向量
好的状态表征需要同时容纳长期稳定性、当前变化和临时事件，而不是把所有信息混成一个不透明的“记忆”。
Persistent core / 长期核心
能力、工具偏好、稳定身份等长期证据。更新慢，但不应该被一次事件轻易污染。
SLOW
Adaptive state / 自适应状态
当前目标、项目阶段、工作节奏。可以持续变化，需要独立的 decay / lag contract。
MEDIUM
Event workspace / 事件工作区
今天的客户问题、临时截止日期、公开事件。快速更新，也可以快速重置。
FAST
Task readout / 任务读出
针对当前任务临时组合前三层，不形成新的 recurrent memory。
ON DEMAND
05 / Reliable agency
Harness 把回答变成闭环
模型本身只是一部分。真正的 Agent 还需要在现实边界里观察、更新、行动、验证，并在必要时请求确认。
Agent loopcontext → action
Observe读取信号
Update更新 State
Act执行工具
Verify检查结果
06 / From state to world model
State 告诉你现在，World Model 让你预演未来
只有知道当前状态还不够。Agent 还要比较不同动作可能带来的后果，并选择更稳健的路径。
The distinction
事实投影 ≠ 未来模拟
State 解决“用户当前处于什么状态”；World Model 解决“如果采取这个动作，环境和用户状态可能如何变化”。
Statewhat is true now
当前事实、偏好、目标、事件
当前事实、偏好、目标、事件
World Modelwhat happens next
动作、转移、后果、风险
动作、转移、后果、风险
预演明天的工作安排
same state · different action09:00项目 A 测试
→
14:00客户反馈 + 项目 B
Plan A 看起来效率最高，但没有为客户会议延迟留出缓冲，下午任务容易整体漂移。
07 / Jdoe perspective
下一代个人 AI，竞争的不只是模型，而是 Context 如何成为行动能力。
我们正在探索一种 Personal Context Layer：把连续、多模态、隐私敏感的现实信息，组织成可追溯、可更新、能服务真实任务的 State，让 Agent 不只是回答问题，而是长期理解一个人、跟上一个人的变化，并在现实世界里可靠地行动。
01 / Context选择与当前任务真正相关的信息。
02 / State让长期、适应性和事件信息拥有不同生命周期。
03 / Agency通过 Harness 和 World Model，把理解变成安全行动。
贾冬宇 Jia
Jdoe 联合创始人 · CTO
From context to agency