長(zhǎng)期以來(lái)，我們談?wù)揂I應(yīng)用開(kāi)發(fā)時(shí)，常常用到一個(gè)熱詞：“Prompt Engineering”（提示詞工程）。但最近，前特斯拉AI總監(jiān)、OpenAI研究大神Andrej Karpathy明確提出，更準(zhǔn)確的術(shù)語(yǔ)應(yīng)該是：“Context Engineering”（上下文工程）。

為什么他這么說(shuō)？

1. Prompt vs Context，到底有何區(qū)別？

日常使用大模型（LLM）時(shí)，人們對(duì)Prompt的理解往往停留在簡(jiǎn)短明確的任務(wù)指令層面。然而，工業(yè)級(jí)的AI應(yīng)用并非如此簡(jiǎn)單。真正的挑戰(zhàn)在于如何精細(xì)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(wù)所需的信息。這正是“Context Engineering”的核心。

2. 上下文工程：藝術(shù)與科學(xué)的結(jié)合

Karpathy將上下文工程描述為“一門藝術(shù)與科學(xué)的結(jié)合”——

• 科學(xué)體現(xiàn)在你必須精確控制任務(wù)描述、實(shí)例演示（few-shot）、RAG（檢索增強(qiáng)生成）、多模態(tài)數(shù)據(jù)、工具調(diào)用、狀態(tài)和歷史信息，以及上下文壓縮等技術(shù)的平衡。提供的信息太少或形式不對(duì)，模型無(wú)法發(fā)揮最佳性能；信息太多或不相關(guān)，又會(huì)導(dǎo)致成本增加、性能下降。
• 藝術(shù)則源于對(duì)模型“心理”和人類意圖的深入理解和直覺(jué)判斷。

這種精妙的平衡絕非易事，已經(jīng)遠(yuǎn)超出普通“提示詞”的范疇。

3. 一個(gè)完整的AI應(yīng)用絕不僅是ChatGPT的“包裝器”

Karpathy強(qiáng)調(diào)，Context Engineering還只是AI應(yīng)用完整技術(shù)棧的一小部分。一個(gè)高質(zhì)量的LLM應(yīng)用往往需要：

• 合理地拆分任務(wù)為不同的控制流程
• 精準(zhǔn)地組織和填充上下文窗口
• 分派不同類型和能力的模型調(diào)用
• 處理生成與驗(yàn)證的交互界面
• 加入必要的防護(hù)措施、安全檢查、性能評(píng)估、多線程并行處理、預(yù)取技術(shù)等等

將如此復(fù)雜的架構(gòu)稱為“ChatGPT包裝器”已遠(yuǎn)遠(yuǎn)落后于時(shí)代。

4. 面向未來(lái)，重新認(rèn)識(shí)上下文工程

當(dāng)下，AI開(kāi)發(fā)已進(jìn)入一個(gè)新的階段?！吧舷挛墓こ獭辈粌H是一種更精確的技術(shù)術(shù)語(yǔ)，更是一種對(duì)未來(lái)AI應(yīng)用開(kāi)發(fā)思維模式的全面升級(jí)。

你是否也意識(shí)到：“Prompt Engineering”已不足以描述今天AI應(yīng)用開(kāi)發(fā)的真實(shí)場(chǎng)景？讓我們一起邁入“Context Engineering”的新時(shí)代！

本文轉(zhuǎn)載自??草臺(tái)AI??，作者：RangerEX