長期以來，我們談論AI應用開發時，常常用到一個熱詞：“Prompt Engineering”（提示詞工程）。但最近，前特斯拉AI總監、OpenAI研究大神Andrej Karpathy明確提出，更準確的術語應該是：“Context Engineering”（上下文工程）。

為什么他這么說？

1. Prompt vs Context，到底有何區別？

日常使用大模型（LLM）時，人們對Prompt的理解往往停留在簡短明確的任務指令層面。然而，工業級的AI應用并非如此簡單。真正的挑戰在于如何精細地組織和填充模型的上下文窗口，讓模型能“恰好”獲取完成下一步任務所需的信息。這正是“Context Engineering”的核心。

2. 上下文工程：藝術與科學的結合

Karpathy將上下文工程描述為“一門藝術與科學的結合”——

• 科學體現在你必須精確控制任務描述、實例演示（few-shot）、RAG（檢索增強生成）、多模態數據、工具調用、狀態和歷史信息，以及上下文壓縮等技術的平衡。提供的信息太少或形式不對，模型無法發揮最佳性能；信息太多或不相關，又會導致成本增加、性能下降。
• 藝術則源于對模型“心理”和人類意圖的深入理解和直覺判斷。

這種精妙的平衡絕非易事，已經遠超出普通“提示詞”的范疇。

3. 一個完整的AI應用絕不僅是ChatGPT的“包裝器”

Karpathy強調，Context Engineering還只是AI應用完整技術棧的一小部分。一個高質量的LLM應用往往需要：

• 合理地拆分任務為不同的控制流程
• 精準地組織和填充上下文窗口
• 分派不同類型和能力的模型調用
• 處理生成與驗證的交互界面
• 加入必要的防護措施、安全檢查、性能評估、多線程并行處理、預取技術等等

將如此復雜的架構稱為“ChatGPT包裝器”已遠遠落后于時代。

4. 面向未來，重新認識上下文工程

當下，AI開發已進入一個新的階段。“上下文工程”不僅是一種更精確的技術術語，更是一種對未來AI應用開發思維模式的全面升級。

你是否也意識到：“Prompt Engineering”已不足以描述今天AI應用開發的真實場景？讓我們一起邁入“Context Engineering”的新時代！

本文轉載自??草臺AI??，作者：RangerEX