增强 AI 工作流：Agentic Primitives 和上下文工程

增强 AI 工作流：Agentic Primitives 和上下文工程 - Blockchain.News

在人工智能（AI）迅速发展的时代，可靠且可重复的 AI 工作流需求比以往任何时候都更加重要。根据GitHub 博客，GitHub 推出了一个全面的框架，旨在将 AI 实验转变为系统的工程实践。

可靠 AI 工作流的框架

此框架建立在三个核心组件之上：agentic primitives、上下文工程和 markdown 提示工程。这些组件协同工作，为 AI 代理提供了正确的上下文和指令，确保它们能够可靠且一致地执行任务。Agentic primitives 是可重用的构建块，系统地引导 AI 代理，而上下文工程则帮助保持对关键信息的关注。

Agentic Primitives 和上下文工程

Agentic primitives 是该框架的支柱，提供了一种结构化的 AI 开发方法。它们本质上是可重用的文件或模块，为 AI 代理提供特定的功能或规则。这些 primitives 包括指令文件、聊天模式、agentic 工作流、规范文件和记忆文件，每个都在维持 AI 操作一致性和可靠性方面发挥着关键作用。

上下文工程通过管理提供给 AI 代理的上下文进一步优化 AI 性能。会话分割和模块化指令等技术确保 AI 代理专注于相关任务，从而提高其有效性和可靠性。

GitHub Copilot CLI：将 AI 工作流变为现实

GitHub Copilot CLI 的推出让开发者可以直接从终端将 agentic primitives 付诸实践。此工具促进了在本地运行、调试和自动化 AI 工作流的实现，并无缝集成到 GitHub 存储库中。CLI 为 AI 代理提供了与开发者集成开发环境 (IDE) 中相同的上下文，确保性能的一致性。

框架的实施

在实施此框架时，鼓励开发者从 markdown 提示工程入手。通过利用 markdown 的结构化格式，开发者可以撰写精确且富有上下文的提示，从而带来更可预测的 AI 输出。当开发者逐渐熟悉后，他们可以从制作单独的提示过渡到使用 agentic primitives 开发可重用、可配置的系统。

最终目标是创建集成框架所有组件的 agentic 工作流，形成系统的、可重复的流程。这些工作流可以在本地或通过 GitHub Copilot CLI 执行，提供了灵活性和可扩展性。

展望未来

随着 AI 的持续发展，此类框架对于确保 AI 系统不仅具创新性而且可靠和一致至关重要。通过采纳 agentic primitives 和上下文工程，开发者可以显著提升 AI 工作流的可靠性，为未来更高级和自动化的 AI 解决方案铺平道路。

Image source: Shutterstock