上下文工程是什么？从写提示词升级到设计 AI 的整个输入

上下文工程（Context Engineering）指系统性地设计和管理提供给大模型的全部输入内容，在不修改模型参数的前提下，引导模型稳定地输出期望的结果。它包括：系统指令、示例、检索到的资料、可用工具的定义、对话历史、长期记忆，以及这些内容如何组织、筛选和排序。2025 年，Shopify CEO Tobi Lütke 在公开场合提倡用“上下文工程”替代“提示工程”的说法，Andrej Karpathy 等人也表示认同，这个词随之流行开来。

和提示工程有什么区别

提示工程关注的是怎么写好一段提示词：措辞、格式、示例。在简单的问答场景里，这就够了。但在今天的大模型应用，尤其是智能体中，模型每一步看到的内容远不止用户的一句话：有几千字的系统指令、几十个工具的说明、从知识库里检索来的文档、之前十几轮的对话和工具调用结果、关于用户的记忆。这些东西加起来往往有几万甚至几十万 token。模型表现好不好，很大程度上取决于这些内容给得对不对、多不多、乱不乱。上下文工程就是把这件事当成一个系统工程来做，标志着大模型实践从“提示工程”走向“上下文工程”的升级。

上下文工程要考虑什么

给什么：只放与当前任务相关的信息，无关的内容会干扰模型、浪费 token。给多少：上下文窗口有限，而且内容越多模型越容易“迷失在中间”，需要压缩、摘要和裁剪。怎么组织：重要的指令放在显眼的位置，结构清晰，不同来源的信息分开标注。动态管理：在长任务中，及时清理过时的工具输出，把重要的中间结论写进记忆，必要时把子任务交给有独立上下文的子智能体。按需加载：比如智能体技能的“渐进式披露”，只在需要时才把详细说明放进上下文。

为什么越来越重要

模型本身的能力差距在缩小，而同一个模型在不同的上下文设计下，表现可能天差地别。很多智能体失败的原因，并不是模型不够聪明，而是没有拿到正确的信息，或者被大量无关的信息淹没。所以上下文工程已经成为构建可靠 AI 应用的核心技能之一。