什么是上下文工程？

What is Context Engineering?

上下文工程（context engineering）正迅速成为 AI 工程师的一项核心技能。它不再只是琢磨巧妙的提示词，而是对上下文进行系统性的编排。

当下的问题是这样的：

大多数 AI 智能体（Agent，或者说 LLM 应用）失败，并不是因为模型不够好，而是因为它们缺少成功所需的正确上下文。

举例来说，一个检索增强生成（RAG）工作流，通常是 80% 的检索加上 20% 的生成。

因此：

• 好的检索，即便配上一个较弱的 LLM，依然能够奏效。
• 但糟糕的检索，即便配上最强的 LLM，也永远不可能奏效。

如果你的 RAG 没有起作用，大概率是上下文检索出了问题。

同样的道理，LLM 不会读心术，它们只能基于你给它的东西来工作。

上下文工程的核心，是构建能够提供以下要素的动态系统：

• 正确的信息
• 正确的工具
• 以正确的格式呈现

这能确保 LLM 有效地完成任务。

但为什么传统的提示词工程还不够呢？

提示词工程主要关注的是「咒语式」的措辞，指望靠遣词造句换来更好的回答。

但随着 AI 应用日益复杂，完整、结构化的上下文，远比巧妙的措辞重要得多。

以下是一个上下文工程系统的 4 个关键组成部分：

动态信息流：上下文来自多个来源——用户、此前的交互、外部数据，以及工具调用。你的系统需要智能地把这些信息汇聚到一起。

智能工具访问：如果你的 AI 需要外部信息或需要执行某些操作，就给它配上合适的工具，并把输出格式化成模型最容易理解的形式。

记忆管理：

• 短期记忆：对长对话进行摘要
• 长期记忆：跨会话记住用户的偏好

格式优化：一条简短、描述清晰的错误信息，永远胜过一大坨 JSON 数据。

归根结底……

上下文工程正在成为新的核心技能，因为它解决的是真正的瓶颈——这个瓶颈不在于模型能力，而在于如何搭建一套信息架构。

随着模型越来越强，上下文的质量正在成为新的限制因素。