AI 领域的新技能不是提示词设计，而是上下文工程

The New Skill in AI is Not Prompting, It’s Context Engineering

“上下文工程”（Context Engineering）这个新术语正在 AI 世界中迅速流行起来。人们的关注点正从“提示词工程”（Prompt Engineering）转向一个更广泛、更有力的概念：上下文工程。Tobi Lutke 曾这样描述它：“这是为任务提供一切必要上下文，让大语言模型有可能完成它的艺术。”他说得没错。

随着 AI 智能体（Agents）的崛起，“加载到有限工作记忆中的信息”变得比以往任何时候都重要。我们越来越清楚地看到，决定一个智能体成功或失败的关键，不再是模型本身，而是你提供给它的上下文质量。如今，大多数智能体失败并不是模型能力的问题，而是上下文失败。

---

什么是“上下文”？

要理解“上下文工程”，首先要拓展我们对“上下文”的定义。它不仅仅是你发给模型的那一句提示语。它应该被理解为模型在生成回答前，所能“看见”的所有内容。

上下文的组成：

• 系统指令（Instructions / System Prompt）：最初设置模型行为的一组规则，通常包括任务说明、示例、行为准则等。
• 用户提示（User Prompt）：用户当前提出的问题或任务。
• 状态 / 对话历史（短期记忆）：当前会话中，用户与模型之间的所有互动内容。
• 长期记忆（Long-Term Memory）：模型在多个会话中持续积累的知识，包括用户偏好、过去项目摘要、或明确要求模型记住的信息等。
• 检索信息（RAG）：通过外部文档、数据库或 API 实时调用的相关信息，用于增强回答质量。
• 可用工具（Available Tools）：模型可以调用的所有函数或内置工具（如 check_inventory、send_email 等）的定义。
• 结构化输出要求（Structured Output）：模型回复所需遵循的格式规范，例如 JSON、表格等。

---

为什么重要：从“廉价演示”到“魔法产品”

构建真正高效的 AI 智能体，其核心并不是你写了多复杂的代码，而是你给它提供了多高质量的上下文。

构建 Agent 的关键不在于你选用了什么框架或模型，而在于你如何组织上下文。决定一个智能体是否“有魔力”的，不是模型是否最强，而是你是否提供了“对的内容”。

想象一下，一个 AI 助理收到一封简短的邮件，请它安排会议：

“嘿，想问下你明天有没有空同步一下？”

“廉价演示”版本的智能体：上下文质量差

它只能看到这一句话，代码虽然能运行 LLM 并输出回应，但结果很僵硬：

“谢谢您的来信。明天可以。请问您希望几点？”

“魔法产品”版本的智能体：上下文信息丰富

此时，模型在调用前就被加载了如下信息：

• 你的日程安排（显示你明天已经满了）
• 你与这位联系人以往的邮件（得出适合的语气）
• 联系人信息（识别出他是重要合作伙伴）
• 可调用的工具（如 send_invite、send_email）

最终生成的回复就会像这样：

“嘿 Jim！我明天全天都排满了，连轴转。周四上午有空，可以吗？我发了邀请，看看行不行。”

这个“魔法”并不是模型更聪明，而是你给了它完成任务所需的“对的上下文”。这正是上下文工程的意义所在。很多 Agent 的失败，并不是模型不行，而是上下文准备得不好。

---

从提示词工程到上下文工程

什么是上下文工程？相比提示词工程专注于一句完美的文本指令，上下文工程更像是一整套动态系统。

简单来说：

上下文工程是一门设计和构建动态系统的工程学科，目标是：在正确的时间，提供正确的信息和工具，以正确的格式，让 LLM 拥有完成任务所需的一切。

上下文工程的关键特征：

• 是系统，不是字符串：上下文不是一个静态的提示模板，而是模型调用前，整个系统生成的结果。
• 动态构建：上下文是“按需生成”的，会根据不同请求加载不同信息。有时是日历，有时是邮件，有时是网页搜索。
• 重在时机与质量：核心目标是让模型不会“信息缺失”。这包括“知识”（信息）和“能力”（工具），但只在真正有帮助的时候才提供。
• 格式很关键：怎么呈现信息很重要。浓缩摘要优于原始数据堆砌，清晰的工具定义优于模糊的指令。

---

结语

构建强大、可靠的 AI 智能体，已经不再是寻找“最强提示词”或依赖模型更新的问题。而是要做好“上下文工程”——为模型提供恰当的信息与工具，在合适的时机，以合适的格式组织起来。这是一项跨学科挑战，需要你理解自己的业务场景、明确产出目标、并系统性地准备一切模型需要的东西，让它真正能“完成任务”。

---

致谢

本文内容整理自多方深度调研，参考并借鉴了多位专家的精彩观点，包括：

• Tobi Lutke tweet
• Karpathy tweet
• The rise of “context engineering”
• Own your context window
• Context Engineering by Simon Willison
• Context Engineering for Agents