从PromptPico到ContextPico：我的心路 - 链载Ai

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">嗨，说起这事儿，得从我在AI应用研究过程中的一个衍生项目说起，这个项目叫ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(15, 76, 129);">PromptPico。这名字听着挺唬人吧？其实就是用AI帮不会写代码的人操作那些需要编程的开源硬件，比如Raspberry Pico、ESP32之类的。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;padding-left: 8px;color: rgb(63, 63, 63);">ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(15, 76, 129);">1. 起点：看不惯"聊天流"，想搞点实在的

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">这几年Vibe Coding特别火，其实就是AI写代码，像GitHub Copilot、Cursor这些工具，大家用得可欢了。它们的套路很简单：ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(15, 76, 129);">你提要求 -> AI在聊天窗口生成代码 -> 你看不对就让它改 -> 它再生成...就跟没完没了的对话似的。这种模式就象开盲盒，不仅要求你是一个优秀程序员，还是一位监理；而AI更象一位廉价没责任感的牛马。

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">我觉得这不太对劲。真正的程序员是这么写代码的吗？ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(15, 76, 129);">当然不是！我们是怎么做的？

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;text-indent: -1em;display: block;margin: 0.2em 8px;color: rgb(63, 63, 63);">
•查手册！先搞清楚这个硬件或软件库能干什么、有什么限制、接口怎么用。这就是它的"说明书"。
•解需求！用户到底想要什么功能？
•动手写！根据说明书，把用户需求翻译成硬件能懂的代码。

所以我的PromptPico就想模仿真人程序员的做法：

•先"教"AI：把硬件/软件的所有特性、功能细节整理成教材，全部喂给AI，让它先"学透"。
•用户说人话：你不需要懂技术术语，直接说："我想让这个小板子每10分钟测一次温度，发到我手机上。"
•AI当翻译：AI结合它学到的知识和你的需求，生成能直接运行的代码。

这就像是给AI找了个软硬件通吃的"师傅"，在本项目中我就是那师傅，让它先学习再干活。这和主流的"聊天式"AI写代码完全不同！

2. 迷茫：像RAG又不像，心里没底

做着做着，我开始怀疑：我这方法是不是和RAG差不多？RAG不也是先存一堆资料，然后根据问题找答案吗？

晚上躺在床上想（程序员失眠就是这么朴实无华），突然意识到：不对！有本质区别！

•RAG像博物馆讲解员：游客（用户）问什么，它就从资料库里找相关内容回答。被动应对，问啥答啥。
•PromptPico像医生：要做手术（写代码），必须先完全了解病人（硬件软件）的身体状况（说明书）、功能特点，然后才能根据病情（用户需求）制定手术方案（生成代码）。这要求AI对目标系统有全面深入的理解，不是临时查资料。

这下明白了，我的方法更"硬核"，对AI的"理解力"要求更高。但这路子对吗？世界上这么干的人可不多啊！心里那个虚啊，跟踩棉花似的。

为了不变成"民科"，只能硬着头皮读论文。那段时间读的论文不少于当年接受博士训练，整天头昏眼花，满脑子都是"few-shot"、"zero-shot"、"chain-of-thought"...直到看到两个新概念：

•Many-Shot Prompting：给AI看大量例子，让它深入学习某种模式。
•Long Context Prompting：现在的AI能记住很长的文本了，比如整本说明书！

看到这些，我眼前一亮！有戏！我把整个相关文档喂给AI，不就是用Context吗？让它参考设计好的例子，不就是Many-Short Prompting吗？虽然没人说这就是Context Engineering，但我觉得方向没错！心里踏实了些，就把项目正式命名为PromptPico。为什么叫Pico？一是以Raspberry Pico为起点，二是显得精致（pico表示"微小"），想突出我的"提示（Prompt）"用得精准到位。

3. 顿悟：Context Engineering！就是它！

虽然定了PromptPico这个名字，也觉得方向还行，但总觉得差点什么，像隔着一层窗户纸。直到有一天，我看到一个词——Context Engineering！

啪！一下子就通了！之前模模糊糊的想法突然清晰了。其实Context这个词我也纠结了很久，发现有好几个意译的词句，如"情景"，反正不能译成成"上下文"。

我立刻明白PromptPico这个名字的问题了：

•Prompt Engineering：把AI当成"万事通办事员"。你得把问题描述得特别准确，它才能给你正确答案。要是结果不对？那是你没问清楚！**责任在你，锅得您来背! ** 就像去行政机关办事，表格填错就不给办。
•Context Engineering：把AI当成学习能力极强的智者。开发者提前准备好相关背景信息（Context）——比如硬件说明书、项目背景等，全部提供给AI。你再提问时，AI会结合这些背景信息给出建议。就像看病，好医生要看你的病历和检查报告（Context）才能准确诊断。责任共担，信息共享。

这不就是我一直在做的事吗？我把硬件软件资料（Context）喂给AI，就是在做Context Engineering啊！用户只需要说大白话，AI结合它学到的Context就能干活。Prompt当然重要，但核心是Context！是提前准备好的知识包！

这下真踏实了！PromptPico这个名字还停留在"Prompt Engineering"的框框里。现在找到了更准确、更有前瞻性的方向——Context Engineering！

4. 改名！从PromptPico到ContextPico

想清楚后，改名就顺理成章了。PromptPico -> ContextPico！虽然只改了一个词，但感觉整个项目的灵魂都提升了！

为什么这么激动？因为这不仅是名字的变化，更代表了AI应用模式的重大转变：

•Prompt Engineering时代：AI是个知识渊博但被动的答题机器。重点在"怎么问"。
•Context Engineering时代：AI是个学习能做极强，利用丰富准确的背景信息解决问题的智者。重点在"要首先提供全面正确的信息"。

就像医疗的发展，从问诊（Prompt）到数据（Context）的过程。

5. 折腾完了，说点心里话

这个过程真不容易。大部分时间都在迷茫中度过，老怀疑自己是不是在瞎搞。痛苦吗？特别痛苦！尤其是看到别人用现成的Copilot轻松写代码，自己却在搞底层，效率好像更低，那种自我怀疑特别折磨人。

第一个吃螃蟹的人肯定会被夹到手，弄得满手腥，还可能被旁边吃现成的人笑话。技术探索就是这样，走一条少有人走的路，不确定和孤独是最大的挑战。

但是！当你终于尝到鲜美的蟹黄，当你的想法被技术发展趋势印证时，那种豁然开朗的成就感和爽快感，绝对值得之前所有的痛苦和纠结！

现在ContextPico还在继续开发，路还长。但至少名正了，方向对了，心里有底了。这螃蟹，吃得值！