随着大模型能力不断演进，开发者与其交互的方式也在发生深刻变化。从最初精雕细琢一条指令，到现在构建完整的上下文架构，我们正在经历从提示工程（Prompt Engineering）到上下文工程（Context Engineering）的演变。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 0px 8px 1.5em;color: rgb(63, 63, 63);"> ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;border-radius: 4px;display: block;margin: 0.1em auto 0.5em;" title="null"/>ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;border-left: none;padding: 1em;border-radius: 8px;color: rgba(0, 0, 0, 0.5);background: rgb(247, 247, 247);margin: 2em 8px;">ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1em;letter-spacing: 0.1em;color: rgb(80, 80, 80);display: block;">“如今决定AI智能体成功或失败的关键因素，不再是模型本身，而是你提供给它的上下文质量。大多数智能体的失败，其实不再是模型的失败，而是上下文的失败。” by 宝玉ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 1.2em;font-weight: bold;display: table;margin: 2em auto 1em;padding: 0px 1em;border-bottom: 2px solid rgb(0, 152, 116);color: rgb(63, 63, 63);">什么是 Prompt Engineering？ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">Prompt Engineering是早期在ChatGPT时代的产物，这意味着用户需要在聊天框里输入一些奇怪的内容，然后观察模型的输出效果，接着不断调整输入的提示词，直到满意为止。不过写Prompt没有统一的范式，只有一些模糊的经验可供参考，因此还诞生出很多提示词工程师的岗位。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">Prompt Engineering 的本质，是一句话搞定模型：“你是一位 X 专家，请像 Z 一样完成任务 Y。”它依赖语言的表达技巧，通过优化提示的措辞、结构、语气甚至加入几个示例（few-shot）来引导模型生成想要的输出。ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">常见用途包括：ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">● 写文案（如广告 slogan、邮件模板）ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;margin: 1.5em 8px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">● 模拟某个风格（如“像知乎大V一样发一条微博”）● 一次性生成代码片段或小脚本 Prompt Engineering 非常像“即兴写作”或“自然语言编程”，它是 LLM 使用的起点，但也有明显的局限性。 什么是 Context Engineering？Context Engineering，是 Prompt Engineering 的“进化版”，是LLM发展到如今智能体阶段的要求。  它不仅仅关注一句提示词，而是设计整个模型所感知到的信息——包括： ● 系统提示（System Prompt） ● 历史对话记录 ● 内存模块与用户画像（Memory） ● 文档检索（RAG / Retrieval Augmented Generation） ● 工具调用（Function Calling） ● 上下文窗口管理（Token Selection） 换句话说，Prompt Engineering 是在对话中“说什么”；Context Engineering 则是在决定“模型看到什么、什么时候看到、为什么要在意”。 Context Engineering 构建的是长期对话、一致性行为和任务自动化的基础架构。 举个例子说明两者的差异Prompt Engineering 场景：你问 ChatGPT： 你是产品经理，请用幽默风格总结“苹果 Vision Pro 的产品定位”。
这是一条经典的 Prompt Engineering，它可能一次就能给你一个风格不错的答案。 Context Engineering 场景：你构建一个企业内部助理，并为此设计了至少以下关键节点： ● 用户问问题前，模型自动从已有知识库中检索相似答案； ● 系统提示设定了对话风格和角色； ● 用户的过往提问会作为memory注入； ● 工具链决定模型在不确定时是否调用知识库或触发外部 API； ● 所有信息被按优先级动态注入上下文窗口。 在这个系统中，Prompt 只是一个输入，而整个上下文配置系统才是模型稳定表现的关键。 两者的对比与联系 | | | | | | | | | | | | | | | | | Memory、RAG、Tool、系统Prompt 等 | | | | | | |
写在最后：Prompt 是入口，Context 是未来Prompt Engineering 是我们与 LLM 交互的原始技巧，但随着智能体的开发，我们需要的不再是简单的文本生成器，而是一个智能助手。因此，Context Engineering可以说是现如今所有Agent不可缺少的设计思维。 正如 Andrej Karpathy 所说： “未来的提示，不再是prompt，而是context。”
|
