ARTICLE · 人工智能
为什么上下文工程比提示词工程更重要
一语总结本文认为，在构建可靠的 AI 应用时，上下文工程正变得比提示词工程更重要，并阐释了 RAG、MCP、结构化工作流和组织上下文如何决定输出质量。
本文认为，在现代 AI 应用开发中，上下文工程正变得比提示词工程更重要。作者区分了提示词（告诉模型做什么的指令）与上下文（模型生成优质回答所需的信息），并主张在正确的时间提供正确的信息，往往比优化提示词措辞更能提升输出质量。文章以 RAG 作为典型示例，解释了模型上下文协议（MCP）如何将上下文从静态文档扩展到实时工具、代码仓库、数据库和 API，并认为结构化工作流比直接采用自主智能体能更可靠地管理上下文。文章还提及组织就绪度，指出业务规则、审批流程和文档构成了企业 AI 的上下文基础。本文从实践者视角出发，是一份有用的概念入门材料，但仍停留在概览层面，并将实现细节链接到作者的其他文章。
- 在 AI 系统中，决定输出质量的通常是上下文，而非提示词措辞。
提示词告诉模型要做什么，但如果没有相关文档、对话历史、业务规则或工具输出，模型就缺乏给出好答案所需的信息。
- RAG 是上下文工程的直接体现。
检索增强生成的质量提升来自于向模型提供检索到的文档，而不是重写问题提示词。
- MCP 将上下文工程从静态文档扩展到实时系统。
通过 MCP，AI 系统可以访问 GitHub 仓库、数据库、文件系统、API 和开发工具，极大扩展了可用的上下文。
- 结构化工作流能够管理上下文，并且可能比自主智能体更可靠。
设计良好的工作流会决定检索什么、调用哪些工具、验证什么以及生成什么，从而减少模型的随机行为。
- 组织在大规模实施 AI 之前需要具备运营上下文。
业务规则、审批流程、合规要求和文档都是组织上下文的组成部分，它们决定了 AI 能否交付价值。
为什么上下文工程比提示词工程更重要
本文认为，在现代 AI 应用开发中，上下文工程正变得比提示词工程更重要。作者区分了提示词（告诉模型做什么的指令）与上下文（模型生成优质回答所需的信息），并主张在正确的时间提供正确的信息，往往比优化提示词措辞更能提升输出质量。文章以 RAG 作为典型示例，解释了模型上下文协议（MCP）如何将上下文从静态文档扩展到实时工具、代码仓库、数据库和 API，并认为结构化工作流比直接采用自主智能体能更可靠地管理上下文。文章还提及组织就绪度，指出业务规则、审批流程和文档构成了企业 AI 的上下文基础。本文从实践者视角出发，是一份有用的概念入门材料，但仍停留在概览层面，并将实现细节链接到作者的其他文章。
文章金句
"AI 的未来不会由谁写出最聪明的提示词来决定，而将由那些设计系统并持续提供正确上下文的人来塑造。
"优秀的提示词仍然重要，但优秀的上下文能将 AI 从令人惊艳的聊天机器人转变为可靠的软件系统。
"问题不再是：“如何写出更好的提示词？”它正在变成：“如何在正确的时间提供正确的信息？”