为什么不要Prompt Engineering了，而要Context Engineering？

最近深度学习了解了一下Context Engineering（上下文工程），决定跟大家做下分享。我相信大家会跟我有一样的疑问：

• 什么是Context Engineering？它是怎么来的？
• 它跟Prompt Engineering有什么区别？
• 我们怎么来用Context Engineering？

看完这篇文章你将会得到答案。

目录

Context Engineering的由来和定义

Context Engineering vs Prompt Engineering 

Context Engineering应用

Context Engineering的由来和定义

自从ChatGPT2022年11月出世，大模型能力从只是处理简单的单点回答问题到能够推理，能够生成视频，能够深度研究编写报告等做复杂任务。过去，ChatGPT等大模型，看到新问题就忘记了之前的内容，编写一个小说前后搭不上边，更别提编程完成一个应用了，难以完成复杂任务或者序列化任务。但现在，我们可以看到大模型的能力越来越强，如记忆功能，长文本RAG，AI辅助编码，推理等，让我们认识到大模型也可以帮我们完成复杂或者序列化的任务了。流水线功能感觉可以用大模型来做工作流替代了。

那么简单只是给指令，ChatGPT等大模型就能够完成复杂任务吗？

答案是：No。

那怎么解决呢？

答案是：我们需要给指令。而这个指令就是Context Engineering上下文工程。简单的Prompt Engineering已经无法胜任这个任务，我需要在大模型执行任务过程中，动态信息的输入，来让大模型按我们的要求正确完成任务。

因此，Context Engineering来了。什么是Context Enginnering？

Context engineering is building dynamic systems to provide the right information and tools in the right format such that the LLM can plausibly accomplish the task.

上下文工程就是构建一个动态系统，这个动态系统能够用正确的格式提供正确的信息和工具，让大模型能够完成整个任务。这个任务特指复杂的任务，尤其是现在AI Agent处理的任务，比如企业问答系统，电商客服，代码助手等。

简单来说，上下文工程关心：模型在给出回答之前可以看见什么，以及模型需要关注什么

AI大佬Andrej Karpathy甚至把Context Engineering比作精美的艺术和科学 delicate art and science of filling the context window。

一个好的Context Engineering通常包含：

• 工具使用（Tool use）： 确保当智能体需要访问外部信息时，它拥有能够访问该信息的工具。当工具返回信息时，信息的格式应尽可能便于大语言模型（LLM）理解和处理。