探针 9｜Prompt 过时了，现在流行 Context 工程

「Prompt 工程」，突然不香了

如果你一两年前玩过 AI，大概刷到过一堆「Prompt 技巧」：让 AI 扮演专家、给它几个例子、加一句「深呼吸」、威胁它「答错扣奖金」……

这些招，现在没那么神了。

2025 年，Shopify 的创始人兼 CEO Tobi Lütke 发了条动态，说「Prompt 工程」这名字起错了，该叫 Context 工程——核心是把任务变得能解，所需要的上下文都得备齐。Andrej Karpathy（AI 圈的大佬）随后也发了条推表示同意。一时间，圈里人都开始改口。

这不是换个词赶时髦。是大家慢慢发现：怎么雕琢那一句话，远没有「往模型的脑子里塞什么」重要。

Prompt 工程 vs Context 工程：一个雕句，一个管段

先把两个词分清。

Prompt 工程（Prompt Engineering）关注的，是「那一句话怎么说」。同样一个任务，你怎么措辞、给它几个例子、给它设定什么角色，能影响它答得好不好。它的单位，是单条 prompt。

Context 工程（Context Engineering）关注的，是「整段上下文塞什么」。模型每次回答，能看到的只有一扇固定大小的窗口（探针 5 讲过）；你往这扇窗口里放什么、不放什么、什么放前面、什么用到了才去查——才是决定它答得好不好的关键。它的单位，是整段上下文。

打个比方：Prompt 工程像在雕琢你开口说的那句话；Context 工程像在布置一整间会议室——桌上摆什么资料、墙上挂什么图、什么时候递什么文件，都在管。

为什么变了：模型强了，瓶颈挪了

为什么大家突然改口？因为模型变强了，瓶颈挪了。

前两年，模型窗口小、不能调工具、知识也有限。你只能靠「把那句话说对」挤它的潜力，所以 Prompt 工程显得特别关键。

现在不一样了。窗口开到了几十万 token（探针 5），它能记一长串背景；它会调工具了（探针 4 的 Function Calling、探针 8 的 MCP），能自己查、自己算；它还能外挂知识库（探针 7 的 RAG）。模型本身不再是瓶颈，你怎么把这些能力喂给它，才是。

一句话说得再漂亮，窗口里没有它需要的信息，它照样答不对。反过来，窗口里信息齐全、组织得当，哪怕那句话说得糙，它也能答得好。

所以重心从「雕琢 prompt」挪到了「管理上下文」。

Context 工程管什么：往窗口里塞什么

那 Context 工程具体管什么？管的就是那扇固定窗口里，该装哪些东西。

一次提问，窗口里通常要塞这些：

• 你的问题：这次到底问什么。
• 背景和约束：你是谁、要干嘛、有什么限制。
• 工具的说明书：模型能调哪些工具、各自要什么参数（探针 4 的 schema）。
• 检索来的知识：从外部库里查到的相关资料（探针 7 的 RAG）。
• 之前的对话：聊过的内容还在窗口里、没被挤掉的那些（探针 5）。

光「塞什么」还不够，还得管：

• 什么顺序：重要的放前面还是后面，模型看得更牢？
• 什么时机：哪些每次都在（预置），哪些用到才去查（动态拉）？
• 怎么省 token：窗口按 token 计费、还占地方（探针 2、5），塞太多挤爆了，旧的会被挤出去。哪些该精简、哪些该压缩？

你看，这哪是「写 prompt」，分明是在一个有限预算里做资源配置。

每填一样，都是前面讲过的零件

讲到这你大概发现了：上面那些「往窗口里塞」的动作，前面几乎都拆过。

• 塞预置指令（每次都在的规矩、人设）——每个 AI 工具背后，都有人提前写好的指令，每次先塞进窗口。
• 塞检索知识——探针 7 的 RAG，临时从知识库捞相关片段塞进去。
• 塞工具说明和工具结果——探针 4 的 Function Calling 把工具的 schema 塞进窗口，模型调完工具，结果经探针 8 的 MCP 链路回喂进窗口。
• 塞持久记忆——模型本身记不住跨对话的事，得靠外面存一份、每次挑相关的塞进去。

所以 Context 工程不是什么新零件，它是把这些零件组织起来的总纲。前面几讲拆的工具，本质上都是「往窗口里填东西」的不同方式。

底子就两条：窗口有上限，token 要精算

再往下挖一层，Context 工程的所有纠结，底子就两条，前面都讲过。

一是窗口有上限（探针 5）。固定大小，超了就挤掉旧的。所以你不能什么都往里塞，得取舍。

二是按 token 计（探针 2）。每段文字都占 token、花算力。塞得越多，越慢、越贵，还可能把关键信息挤出去。

这两条一卡，Context 工程就成了一个实打实的工程问题：在有限的窗口和 token 预算里，把对的信息、在对的时机、用对的方式塞进去。不是玄学，是配置。

我天天在用：Claude Code 的四层填窗口

说说我自己的真实用法。我用 Claude Code 干活，它的上下文是这么四层填进去的：

• CLAUDE.md（预置）：项目根目录放个文件，写死规矩——技术栈、命名习惯、哪些事别干。每次对话开头，它会自动先塞进窗口，不用我重复说。
• memory（持久）：AI 把值得记的东西写进 memory 文件，下次新对话开头挑相关的带进来。比如它记得「这个探针连载的写作规范」「我偏好中文标点」，我不用每次交代。
• skill（按需）：一堆技能插件，用到某个才把它的说明塞进窗口，不用就藏着，省 token。
• MCP（动态）：外部工具（探针 8）。模型要查数据、读文件，才去调，结果回喂进窗口。

这四层——预置、持久、按需、动态——正好把「往窗口里塞什么」的几种方式占齐了。我天天在干的，其实就是 Context 工程，只是以前没这么叫。

这根探针挖到了什么

一个「Prompt 工程怎么过时了」的疑问，底下连着这些：Prompt 工程雕琢一句话，Context 工程管理整段上下文；模型变强了，瓶颈从「怎么说」挪到了「窗口里放什么」；而往窗口里塞的每一样——预置指令、检索知识、工具结果、记忆——都是前面拆过的零件；它的底子就两条：窗口有上限、token 要精算。

这一趟，Context 工程、Prompt 工程这些词，你都摸过了。以后再刷到「Prompt 已死」，你大概就知道：不是 prompt 没用了，是光雕琢 prompt 不够了，得管整段上下文。

下一篇，换个方向扎：大模型的「参数量」，可能在骗你——号称几百亿的大模型，真正干活的可能没那么多。下回聊。