上下文工程（Context Engineering）

上下文工程（Context Engineering）指系统性地设计、管理和优化输入给大模型的上下文——包括用户指令、检索到的文档、工具定义、示例、对话历史等——以引导模型生成更准确、更符合预期的结果。它是提示词工程（Prompt Engineering）的进阶形态：不只关注“怎么问”，更关注“让模型看到什么”。

与提示词工程的区别

• 提示词工程：优化问题本身的措辞
• 上下文工程：优化模型“眼前”的全部信息组合，把问题、资料、工具、格式要求统一编排

核心环节

• 检索与筛选：从知识库中挑出最相关的资料（常配合 RAG）
• 压缩与重排：删掉无关内容，把关键信息前置
• 结构设计：给上下文建立清晰的结构，让模型容易“找到”重点
• 工具编排：把可调用的工具及其用法写进上下文，供模型选择

典型应用

• 企业知识库问答：把相关文档组织好再交给模型
• 智能体工作流：在每一步决策前，把当前状态、目标、可选动作整理进上下文

挑战与趋势 上下文窗口再大也有限，如何在有限空间内“装下最有价值的信息”是核心问题。2026 年，上下文压缩、KV 缓存等技术配合上下文工程，成为提升 AI 应用效果的重要手段。