讓 AI 有更精確輸出的脈絡工程 (context engineering)

在《提示詞工程 (Prompt Engineering) 基礎》一文中，我們談到要讓 AI 模型的輸出，更貼近使用者預期的品質，精心設計的提示詞會很重要。然而，隨著 AI 代理發展逐漸成熟，業界也發現僅有提示詞，已經不足以應付 AI 代理的需求，隨之出現的是脈絡工程 (context engineering) 這個技術。

不過，脈絡工程是什麼呢? 要如何在提示詞工程外，額外做好脈絡工程? 我們會在這期主題文來探討這些問題。

為什麼提示詞工程不夠用?

在談脈絡工程之前，想先探討「為什麼提示詞工程不夠用?」，因為唯有了解前一代技術的侷限，我們才能更清楚新的提出的概念，有哪些額外的效益。

先前 Shopify 執行長 Tobi Lutke 曾發過一則推文，他提到自己特別喜歡用「脈絡工程這個詞來取代提示詞工程」。因為脈絡工程更好地描述了這件事的核心本質 — 為任務提供所有情境脈絡，讓大型語言模型能夠合理地解決問題。

從上面這句話可以看到，脈絡工程是提示詞工程的延伸，在提示詞不足之處，去補上對應的脈絡，讓 AI 代理能夠更精準地完成被分派的任務。

不過，提示詞工程究竟缺什麼什麼? 為什麼僅有提示詞不足夠讓 AI 代理能精準完成任務?

提示詞這個詞是在 2022 年底後，才逐漸進到大眾的視野。當年 ChatGPT 剛推出，使用情境基本上是使用者與 AI 一問一答。在這個情境下，如果在問答的最開始，設置好提示詞，將能夠有效讓 AI 的回答更貼近使用者預期的。

但是進到 2025 年的代理時代 (agent era)，在與 AI 代理的互動，以及 AI 代理能協助完成的事，跟在 2022 年的聊天介面有很大的不同。因為這個過程是動態的，所以過去這種靜態的提示詞是相對來講不足的。

舉例來說，在 AI 代理執行任務時，如果要避免代理犯下同要的錯，就需要準備記憶 (memory) 的元件，讓代理事實查看記憶 (詳見 E+ 的《如何賦予 AI 代理記憶 (memory) 與脈絡 (context) ? 該用 RAG 嗎? 》主題文)。如果想要讓代理能夠對接到外部的系統，例如做網路搜尋然後使用搜尋到的結果，就會需要搭配工具 (詳見 E+ 的《MCP》主題文)。

由於這些不同的操作，都超出最開始設置的提示詞的範圍，因此業界逐漸認為僅用提示詞工程，無法精確涵蓋這些事情。而因為這些操作背後在做的事情，都是要在 AI 代理把各類不同資訊放入最終的脈絡窗口 (context window) 當中，因此被稱為脈絡工程。

什麼是脈絡工程?

在上面的段落提到，由於提示詞本身不夠用，所以為了更精確描述，業界出現了脈絡工程這個詞。這不是指提示詞不重要，而是在講「僅透過提示詞，會有侷限」；因此，在脈絡工程中，提示詞仍然是很重要的元素之一，只是要搭配其他的元素，讓整體的輸出品質更好。

下面列出這些，是在一個脈絡窗口當中會有的元素 (備註：隨著技術發展，未來可能會有調整)

意圖：使用者希望透達成的目標、試圖解決的問題，以及預期的成果
提示工程：指示 AI 代理要如何進行操作的指令，讓 AI 可以依照想要的風格與形式來執行任務
工具：讓 AI 代理能夠對接到外部資訊，來確保執行時是基於最新的、正確的資訊
記憶：存下過去任務執行過程，建立摘要讓接下來的行為，不會偏離先前的操作

脈絡工程之所以會有「工程」兩個字，是因為在建構上述的脈絡窗口時，不是隨意隨性就能完成，而是需要透過設計、實作、測試、優化的流程，才能獲得最佳的效果。而這邊提到的「設計、實作、測試、優化」也正是工程在做的事情，因此業界也把用這種流程來建構脈絡窗口的過程，稱為脈絡工程。

進一步說，脈絡工程比起提示詞工程，還有一個重要的元素，那就是在建構脈絡窗口的過程，會是動態的。對比起提示詞是在最開始設置，後面基本上不會變動，脈絡窗口是由 AI 代理逐步建構出的。以多數讀者熟悉的 Cursor 或 Claude Code 這類給工程師的 AI 代理工具來說，在使用者請 AI 代理進行操作 (例如修改某段程式碼時)，AI 代理會先分析這個請求的意圖，然後會先進行代理搜尋 (agentic search)。

假如請 Cursor 幫忙修改 ExplainThis 首頁的風格。在執行任務前 Cursor 先做用 首頁 homepage 橘色 orange 顏色配置 的關鍵字搜尋整個程式碼庫，來找到對應的頁面；接著透過 Grepped 進一步搜尋相關的程式碼段落 (備註：grep_search 是一個文字搜尋工具，可以在檔案中快速找到符合特定模式的文字)。最後在去讀相關的段落，然後才把段落放到脈絡窗口中。

在上面這個例子，光是要建構放入脈絡窗口的內容，Cursor 的 AI 代理就先做了三種不同的操作，而這些操作都是基於最開始的意圖 (這邊的意圖是使用者要求修改首頁風格)，來去動態執行的，而不是事先寫死的。

假如在上面的例子中，Cursor 沒有先進行這些步驟，來把相關的資訊放到脈絡窗口，這樣即使 Cursor 背後用的 AI 模型再強，也沒辦法順利完成任務。事實上，脈絡工程之所以在應用 AI (Applied AI) 領域如此受到重視，也是因為這個理由。

現在的 AI 模型本身的能力越來越強 (截至 2025，多數主流模型的能力都已達到博士等級)，因此當模型沒有辦法完成某個任務，多半不是模型能力本身的問題。多半會出問題的地方，是因為模型沒有基於對的資訊去執行任務。就像任何一位有博士學位的人類，假如是基於不正確的資訊執行任務，也很難真的把任務做好。而脈絡工程的核心正是在解決這問題，來確保給模型最精準且正確的資訊。

閱讀更多

如果你對「提示工程」這主題感興趣，我們在 E+ 有更深入的討論。有興趣的讀者，歡迎加入 E+ 成長計畫。我們在 E+ 有更深入的內容，談到更多能下做好脈絡工程的原則與方法。

本文為 E+ 成長計畫的深度內容，截取段落開放免費閱讀。歡迎加入 E+ 成長計畫閱讀完整版本 (點此了解 E+ 的詳細介紹)。