hello 大家好，我是@汉森

你是不是也这样，经常到处搜刮好用的「提示词」（Prompt），指望某一个大佬写出来的提示词能让大模型给出惊艳世人的答案？

然而你有没有发现，有时候「神级提示词」也不灵了？

这个时候，「上下文工程」（Context Engineering）出现了，并且很多 AI 大佬也越来越强调「上下文工程」的重要性。

那为什么我们需要一个听起来更复杂的「上下文工程」呢？

答案是：因为 AI 进化的速度，超出了「提示词」这个词的范畴。

所以，「提示词工程」其实只是「上下文工程」的早期形态，或者说是一个子集。

为什么这么说？

因为我们以前玩的 AI 大多是聊天机器人(Chatbot)：

你问，它答。

你给「提示词」，它出「答案」

它需要处理的「上下文」：主要就是你输入对话框的那句话

但现在，单纯的聊天已经不能满足我们的工作生产需要了，AI 正在进化成 AI 智能体(Agent)

我们不再只是跟它「聊天」，而是可以直接给它「下指令」

比如，你可以对它说：

"帮我规划一个未来5天的旅行，对比三个目的地，并预订性价比最高的机票酒店。"

它为了完成这个任务，这个过程可能需要执行几十个，甚至上百个"工具调用" (Tool Calls)——比如 "查天气"、"搜航班"、"比价格"、"看酒店评论"、"下单预订"等等。

那么，问题来了： AI 每调用一次工具（比如"查航班"），就会产生一大堆新的信息（"航班A，3000元"、"航班B，已售罄"）。

这些海量的信息，全都会变成新的「上下文」，需要 AI 去理解和管理。

但是我们都知道，模型毕竟都有上下文限制，越往后它越难以记得前面聊了什么、关键信息是什么。

所以，才会有需要管理上下文的「上下文工程」这个需求

那么，这个 AI 需要理解和管理的「上下文」，都包括什么呢？

「上下文」到底是什么？

AI 发展到如今，「上下文」已经不再只是你发出来的那句话了

它指的是 AI 在回应你之前，所能（且需要）看到的所有信息

打个比方，你请一个真人助理帮你干活，他需要提前知道些什么？

你的规矩 (System Prompt)： "你是一个专业的财经助理，回答要简洁、专业。"

你刚说的话 (User Prompt)： "帮我分析一下最近的股市。"

咱们的聊天记录 (History)： "对了，上次你帮我分析的那个股票涨了..."（这是"短期记忆"）

他"记"住的你 (Long-Term Memory)： "老板（你）不喜欢太复杂的图表。"（这是"长期记忆"）

他刚查到的资料 (RAG)： "我刚从数据库里查到，这是最新的三篇研报..."

他能用的"工具" (Tools)： 他的电脑上有"查询股价"、"数据分析"、"发送邮件"这几个软件。

工具返回的结果 (Tool Responses)： "查询股价"软件告诉他："XX 股票，今日上涨 5%。"

「上下文工程」的重点就是去动态地管理所有这些信息。记住啊，这个过程是动态的

为了更好的阅读体验，来飞书看吧：

https://f06hod6x38u.feishu.cn/docx/ZCCkdXZwuoti0xxmJ6hcZZoGnDf