AI时代：从提示词到上下文，让AI“好用”起来

文章指出，AI时代的核心能力已从“提示词工程”转向更系统性的“上下文工程”，强调为AI模型提供充分背景信息以解决复杂任务的重要性。作者通过个人实践经验，深入剖析了构成“上下文”的多个关键要素，旨在帮助用户将AI助手从“能用”提升至“好用”的智能协作级别。

AI时代核心能力：从提示词到上下文工程

• 业界关注点正从“提示词工程”（Prompt Engineering）转向更系统、更具决定意义的“上下文工程”（Context Engineering）。
• Tobi Lutke将其定义为“为语言模型提供足够背景信息，使任务具备可解性的艺术”。
• AI智能体（Agents）成功与否的关键在于输入上下文的充分性，而非模型本身优劣。

“上下文”的深度解析与组成

• “上下文”远不止一条提示语，而是模型在生成回答前所能接触到的一切信息。
• 它包含多个组成部分，如系统设定、用户提示、对话历史（短期记忆）、长期记忆。
• 还涵盖外部检索信息（RAG）、可调用工具和输出格式要求。

上下文工程的核心要素与应用实践

• 系统与用户提示： 预设模型行为（System Prompt，如ChatGPT自定义功能）及用户当前任务（User Prompt，如作者在行政诉讼案中采用的“渐进明细”多提示词方法）。
• 记忆机制： 包含有限的对话历史（短期记忆，如各模型Token窗口限制，Gemini 2.5 Pro为1000K tokens）和可积累的长期记忆（如ChatGPT和Gemini的记忆功能，用于固定用户偏好）。
• 外部数据整合： 通过外部检索信息（RAG，如上传法律条文、MCP协议调用天气API）增强回答质量，减少AI幻觉。
• 工具调用与格式控制： 赋予模型执行特定操作的能力（可调用工具，如Google WorkSpace、ChatGPT o3图像识别）和明确规定输出结构（输出格式要求，如分步翻译流程）。

上下文工程的深远意义

• 它不仅仅是技术概念，更是一种思维方式的转变，要求从单一提示词设计转向系统性的信息架构思维。
• 在AI应用实战中，掌握上下文工程能让AI助手从“能用”变成“好用”，实现“智能协作”。
• 这是AI新时代需要掌握的关键能力，即构建更完善的上下文系统。