让 AI 有更精确输出的脉络工程 (context engineering)

在《提示词工程 (Prompt Engineering) 基础》一文中，我们谈到要让 AI 模型的输出，更贴近使用者预期的品质，精心设计的提示词会很重要。然而，随着 AI 代理发展逐渐成熟，业界也发现仅有提示词，已经不足以应付 AI 代理的需求，随之出现的是脉络工程 (context engineering) 这个技术。

不过，脉络工程是什么呢? 要如何在提示词工程外，额外做好脉络工程? 我们会在这期主题文来探讨这些问题。

为什么提示词工程不够用?

在谈脉络工程之前，想先探讨「为什么提示词工程不够用?」，因为唯有了解前一代技术的侷限，我们才能更清楚新的提出的概念，有哪些额外的效益。

先前 Shopify 执行长 Tobi Lutke 曾发过一则推文，他提到自己特别喜欢用「脉络工程这个词来取代提示词工程」。因为脉络工程更好地描述了这件事的核心本质 — 为任务提供所有情境脉络，让大型语言模型能够合理地解决问题。

从上面这句话可以看到，脉络工程是提示词工程的延伸，在提示词不足之处，去补上对应的脉络，让 AI 代理能够更精确地完成被分派的任务。

不过，提示词工程究竟缺什么? 为什么仅有提示词不足够让 AI 代理能精确完成任务?

提示词这个词是在 2022 年底后，才逐渐进到大众的视野。当年 ChatGPT 刚推出，使用情境基本上是使用者与 AI 一问一答。在这个情境下，如果在问答的最开始，设置好提示词，将能够有效让 AI 的回答更贴近使用者预期的。

但是进到 2025 年的代理时代 (agent era)，在与 AI 代理的互动，以及 AI 代理能协助完成的事，跟在 2022 年的聊天介面有很大的不同。因为这个过程是动态的，所以过去这种静态的提示词是相对来讲不足的。

举例来说，在 AI 代理执行任务时，如果要避免代理犯下同样的错，就需要准备记忆 (memory) 的元件，让代理实时查看记忆 (详见 E+ 的 《如何赋予 AI 代理记忆 (memory) 与脉络 (context) ? 该用 RAG 吗? 》主题文)。如果想要让代理能够对接到外部的系统，例如做网路搜寻然后使用搜寻到的结果，就会需要搭配工具 (详见 E+ 的《MCP》主题文)。

由于这些不同的操作，都超出最开始设置的提示词的范围，因此业界逐渐认为仅用提示词工程，无法精确涵盖这些事情。而因为这些操作背后在做的事情，都是要在 AI 代理把各类不同资讯放入最终的脉络窗口 (context window) 当中，因此被称为脉络工程。

什么是脉络工程?

在上面的段落提到，由于提示词本身不够用，所以为了更精确描述，业界出现了脉络工程这个词。这不是指提示词不重要，而是在讲「仅透过提示词，会有限制」；因此，在脉络工程中，提示词仍然是很重要的元素之一，只是要搭配其他的元素，让整体的输出品质更好。

下面列出这些，是在一个脉络窗口当中会有的元素 (备注：随着技术发展，未来可能会有调整)

• 意图：使用者希望达成的目标、试图解决的问题，以及预期的成果
• 提示工程：指示 AI 代理要如何进行操作的指令，让 AI 可以依照想要的风格与形式来执行任务
• 工具：让 AI 代理能够对接到外部资讯，来确保执行时是基于最新的、正确的资讯
• 记忆：存下过去任务执行过程，建立摘要让接下来的行为，不会偏离先前的操作

脉络工程之所以会有「工程」两个字，是因为在建构上述的脉络窗口时，不是随意随性就能完成，而是需要透过设计、实作、测试、优化的流程，才能获得最佳的效果。而这边提到的「设计、实作、测试、优化」也正是工程在做的事情，因此业界也把用这种流程来建构脉络窗口的过程，称为脉络工程。

进一步说，脉络工程比起提示词工程，还有一个重要的元素，那就是在建构脉络窗口的过程，会是动态的。对比起提示词是在最开始设置，后面基本上不会变动，脉络窗口是由 AI 代理逐步建构出的。以多数读者熟悉的 Cursor 或 Claude Code 这类给工程师的 AI 代理工具来说，在使用者请 AI 代理进行操作 (例如修改某段程式码时)，AI 代理会先分析这个请求的意图，然后会先进行代理搜寻 (agentic search)。

假如请 Cursor 帮忙修改 ExplainThis 首页的风格。在执行任务前 Cursor 先用 首页 homepage 橘色 orange 颜色配置 的关键字搜寻整个程式码库，来找到对应的页面；接着透过 Grepped 进一步搜寻相关的程式码段落 (备注：grep_search 是一个文字搜寻工具，可以在档案中快速找到符合特定模式的文字)。最后再去读相关的段落，然后才把段落放到脉络窗口中。

在上面这个例子，光是要建构放入脉络窗口的内容，Cursor 的 AI 代理就先做了三种不同的操作，而这些操作都是基于最开始的意图 (这边的意图是使用者要求修改首页风格)，来动态执行的，而不是事先写死的。

假如在上面的例子中，Cursor 没有先进行这些步骤，来把相关的资讯放到脉络窗口，这样即使 Cursor 背后用的 AI 模型再强，也没办法顺利完成任务。事实上，脉络工程之所以在应用 AI (Applied AI) 领域如此受到重视，也是因为这个理由。

现在的 AI 模型本身的能力越来越强 (截至 2025，多数主流模型的能力都已达到博士等级)，因此当模型没有办法完成某个任务，多半不是模型能力本身的问题。多半会出问题的地方，是因为模型没有基于对的资讯去执行任务。就像任何一位有博士学位的人类，假如是基于不正确的资讯执行任务，也很难真的把任务做好。而脉络工程的核心正在解决这个问题，来确保给模型最精确且正确的资讯。

阅读更多

如果你对「提示工程」这个主题感兴趣，我们在 E+ 有更深入的讨论。有兴趣的读者，欢迎加入 E+ 成长计划。我们在 E+ 有更深入的内容，谈到更多能做好脉络工程的原则与方法。

本文为 E+ 成长计划的深度内容，截取段落开放免费阅读。欢迎加入 E+ 成长计划阅读完整版本 (点此了解 E+ 的详细介绍)。