Prompt 工程已过时？AI大神Andrej Karpathy力推上下文工程！

长期以来，我们谈论AI应用开发时，常常用到一个热词：“Prompt Engineering”（提示词工程）。但最近，前特斯拉AI总监、OpenAI研究大神Andrej Karpathy明确提出，更准确的术语应该是：“Context Engineering”（上下文工程）。

为什么他这么说？

1. Prompt vs Context，到底有何区别？

日常使用大模型（LLM）时，人们对Prompt的理解往往停留在简短明确的任务指令层面。然而，工业级的AI应用并非如此简单。真正的挑战在于如何精细地组织和填充模型的上下文窗口，让模型能“恰好”获取完成下一步任务所需的信息。这正是“Context Engineering”的核心。

2. 上下文工程：艺术与科学的结合

Karpathy将上下文工程描述为“一门艺术与科学的结合”——

• 科学体现在你必须精确控制任务描述、实例演示（few-shot）、RAG（检索增强生成）、多模态数据、工具调用、状态和历史信息，以及上下文压缩等技术的平衡。提供的信息太少或形式不对，模型无法发挥最佳性能；信息太多或不相关，又会导致成本增加、性能下降。
• 艺术则源于对模型“心理”和人类意图的深入理解和直觉判断。

这种精妙的平衡绝非易事，已经远超出普通“提示词”的范畴。

3. 一个完整的AI应用绝不仅是ChatGPT的“包装器”

Karpathy强调，Context Engineering还只是AI应用完整技术栈的一小部分。一个高质量的LLM应用往往需要：

• 合理地拆分任务为不同的控制流程
• 精准地组织和填充上下文窗口
• 分派不同类型和能力的模型调用
• 处理生成与验证的交互界面
• 加入必要的防护措施、安全检查、性能评估、多线程并行处理、预取技术等等

将如此复杂的架构称为“ChatGPT包装器”已远远落后于时代。

4. 面向未来，重新认识上下文工程

当下，AI开发已进入一个新的阶段。“上下文工程”不仅是一种更精确的技术术语，更是一种对未来AI应用开发思维模式的全面升级。

你是否也意识到：“Prompt Engineering”已不足以描述今天AI应用开发的真实场景？让我们一起迈入“Context Engineering”的新时代！

本文转载自​​草台AI​​，作者：RangerEX