---
title: "Apakah itu kejuruteraan konteks? Mengurus token ejen AI"
description: "Kejuruteraan konteks ialah memilih token yang dilihat LLM pada setiap giliran: arahan, alat, sejarah dan data. Teknik untuk ejen AI dan kosnya."
url: https://broadrouter.com/ms/glossary/context-engineering/
lang: ms
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan daripada bahasa Inggeris dengan bantuan AI. [Baca versi asal dalam bahasa Inggeris](https://broadrouter.com/glossary/context-engineering/) (dikemas kini 2026-11-15).

# Kejuruteraan konteks (context engineering)

Dikemas kini 2026-11-15

Kejuruteraan konteks ialah kerja memilih dan menyelenggara set token yang dilihat oleh model bahasa pada setiap permintaan, termasuk prompt sistem, definisi alat, sejarah, dokumen yang diambil dan nota, supaya model mendapat set maklumat bernilai tinggi yang paling kecil yang diperlukan untuk melaksanakan tugas dengan baik.

Juga dikenali sebagai: context engineering, pengurusan konteks, context management, agent context engineering

Prompt ialah sesuatu yang anda tulis sekali. Konteks ialah semua yang dilihat model pada setiap giliran, dan dalam ejen ia berubah pada setiap giliran.

## Cara ia berfungsi

Artikel kejuruteraan Anthropic menerangkan kejuruteraan konteks sebagai “the set of strategies for curating and maintaining the optimal set of tokens” (Terjemahan BroadRouter: “set strategi untuk memilih dan menyelenggara set token yang optimum”) semasa inferens, termasuk maklumat di luar prompt. Matlamatnya ialah mencari “smallest possible set of high-signal tokens” (Terjemahan BroadRouter: “set token bernilai tinggi yang sekecil mungkin”) yang menjadikan hasil yang diingini lebih berkemungkinan.

Sebabnya ialah perhatian yang terhad. Artikel itu menyatakan model mempunyai “attention budget” (bajet perhatian), dan ingatan semula merosot apabila konteks bertambah, yang dipanggilnya [context rot](https://broadrouter.com/ms/glossary/context-rot/). Kedudukan juga penting: fakta di tengah-tengah prompt yang panjang lebih mudah terlepas ([lost in the middle](https://broadrouter.com/ms/glossary/lost-in-the-middle/)).

Artikel itu menamakan beberapa teknik untuk ejen yang berjalan lama:

| Teknik | Fungsinya |
| --- | --- |
| [Pemadatan](https://broadrouter.com/ms/glossary/context-compaction/) | Ringkaskan sejarah apabila hampir mencapai had dan teruskan daripada ringkasan |
| Pembersihan hasil alat | Buang output alat mentah yang lama daripada sejarah |
| Pengambilan nota berstruktur | Ejen menulis nota ke dalam fail di luar konteks dan membacanya semula kemudian |
| [Subagen](https://broadrouter.com/ms/glossary/subagent/) | Lakukan kerja berfokus dalam konteks yang bersih dan pulangkan ringkasan pendek |
| Pengambilan tepat pada masanya (just-in-time) | Simpan rujukan (laluan fail, pertanyaan) dan muatkan data hanya apabila perlu |

Contoh bajet satu giliran dalam ejen pengekodan:

```text
System prompt + rules          4,000 tokens
Tool definitions               6,000 tokens
Notes file                     1,500 tokens
History (compacted)           20,000 tokens
Latest tool output             8,000 tokens   <- largest single item
```

## Mengapa ia penting

-   **Kualiti.** Kurang hingar dalam konteks biasanya bermakna jawapan yang lebih baik dan lebih sedikit arahan yang terlepas.
-   **Kos.** Dengan pengebilan setiap token, setiap token dalam konteks dicaj pada setiap giliran. Kandungan stabil yang diletakkan di hadapan lebih murah sebagai [input cache](https://broadrouter.com/ms/glossary/cached-input-tokens/); lihat [struktur prompt untuk caching](https://broadrouter.com/ms/blog/prompt-structure-for-caching/).
-   **Tempoh larian.** Pengurusan konteks yang baik membolehkan ejen bekerja berjam-jam tanpa mencapai had [tetingkap konteks](https://broadrouter.com/ms/glossary/context-window/).

## Di BroadNet Inference

Kejuruteraan konteks berlaku dalam kod anda: Chat Completions API BroadNet menerima apa sahaja senarai mesej yang anda hantar. [DeepSeek V4.1 Flash](https://broadrouter.com/ms/models/deepseek-v4.1-flash/) dan [GLM 5.3](https://broadrouter.com/ms/models/glm-5.3/) menerima 1,048,576 token, [Qwen3.8 27B](https://broadrouter.com/ms/models/qwen3.8-27b/) 262,144 dan [Gemma 4 VL 26B](https://broadrouter.com/ms/models/gemma-4-vl-26b/) 32K, jadi konteks yang padat paling penting pada Gemma.

Apabila model melaporkannya, `usage.prompt_tokens_details.cached_tokens` menunjukkan token yang dibaca daripada cache, yang dicaj pada harga input cache untuk bayar ikut guna. [Pengurusan konteks untuk ejen yang berjalan lama](https://broadrouter.com/ms/blog/long-running-agent-context-management/) memberikan lima peraturan praktikal, dan artikel [bajet token ejen](https://broadrouter.com/ms/blog/agent-token-budget/) menunjukkan ke mana token ejen pergi.

## Soalan lazim

### Apakah beza kejuruteraan konteks dengan kejuruteraan prompt?

Kejuruteraan prompt ialah tentang menulis arahan yang baik. Kejuruteraan konteks merangkumi semua yang dilihat model pada sesuatu giliran, termasuk definisi alat, sejarah dan data yang diambil, serta cara set itu berubah sepanjang sesi yang panjang.

### Mengapa tidak gunakan sahaja tetingkap konteks yang lebih besar?

Tetingkap yang lebih besar menangguhkan masalah tetapi tidak menghapuskannya. Anthropic menyatakan bahawa ingatan semula (recall) menurun apabila konteks bertambah, dan dengan pengebilan setiap token, setiap token tambahan dibayar semula pada setiap giliran.

### Apakah perkara pertama yang patut saya cuba?

Ukur apa yang memenuhi konteks anda. Output alat dan sejarah lama biasanya bahagian terbesar, dan memangkas atau meringkaskannya murah untuk dicuba.

## Lihat juga

-   [Kejuruteraan prompt (prompt engineering)](https://broadrouter.com/ms/glossary/prompt-engineering/) (istilah)
-   [Pemampatan konteks (context compaction)](https://broadrouter.com/ms/glossary/context-compaction/) (istilah)
-   [Context rot (kemerosotan konteks)](https://broadrouter.com/ms/glossary/context-rot/) (istilah)
-   [Lost in the middle (hilang di tengah)](https://broadrouter.com/ms/glossary/lost-in-the-middle/) (istilah)
-   [Tetingkap konteks (context window)](https://broadrouter.com/ms/glossary/context-window/) (istilah)
-   [Token input cache (cached input tokens)](https://broadrouter.com/ms/glossary/cached-input-tokens/) (istilah)
-   [Cara pelan API LLM tanpa had berfungsi untuk ejen](https://broadrouter.com/ms/guides/unlimited-llm-api-sessions/) (panduan)
-   [Pengurusan konteks untuk ejen berjalan lama dengan tetingkap 1M](https://broadrouter.com/ms/blog/long-running-agent-context-management/) (artikel)
-   [Bajet token ejen: ke mana token gelung ejen pergi](https://broadrouter.com/ms/blog/agent-token-budget/) (artikel)
-   [Cara menyusun prompt supaya prefix di-cache](https://broadrouter.com/ms/blog/prompt-structure-for-caching/) (artikel)

Cuba dengan beban kerja sebenar anda. Akaun baharu bermula dengan kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM dan Qwen3.8 memerlukan tambah nilai.

[Mulakan](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ms-glossary-context-engineering&utm_content=page-cta) ·

**Sumber**

-   [Anthropic Engineering, Effective context engineering for AI agents (disemak 2026-11-15)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
-   [Dokumentasi Claude Code, subagents (mengekalkan konteks) (disemak 2026-11-15)](https://code.claude.com/docs/en/sub-agents)
-   [Dokumentasi Claude Code, manage costs effectively (mengurangkan penggunaan token) (disemak 2026-11-15)](https://code.claude.com/docs/en/costs)
