一、什么是上下文工程？——AI应用领域的新范式
随着大语言模型（LLM）应用场景从简单的单轮问答，逐步扩展到复杂的多步智能体系统，一个全新的技术概念——上下文工程（Context Engineering）开始受到广泛关注。它被视为“智能体稳定运行的关键支柱”，甚至被认为有望取代传统提示工程，成为AI工程师必须掌握的核心技能。
简单来说，上下文工程的核心任务是为AI铺设好“执行路径”，而提示工程则负责指导AI如何“迈出步伐”。二者相辅相成，但上下文工程更强调系统性、动态适应性和信息完整性。
二、上下文工程 vs. 提示工程——核心差异与协同关系
1. 概念对比
- 提示工程（Prompt Engineering）：其核心在于设计清晰、准确的指令，本质上是一份指导AI完成任务的“操作说明书”，让AI按照预期方式回答问题或执行操作。
- 上下文工程（Context Engineering）：专注于准备AI所需的全部信息，涵盖任务背景、工具、历史记忆、检索数据等。这就像为游戏设定完整的任务环境，提供所有必要的条件，然后交由AI自主思考和执行。
2. 一句话总结区别
- 提示工程：关注“具体怎么做”
- 上下文工程：关注“需要哪些条件才能做成”
3. 相互关系的明确
- 提示工程是上下文工程的子集。即便已经提供了完整的上下文信息，如何有效组织和编排提示词（即提示工程部分）依然至关重要。
- 上下文工程构建的是一个动态系统，旨在以正确格式提供正确信息和工具；而提示工程则在此基础上，设计出最优的指令表达方式，引导AI高效完成任务。
4. 漫画图解（不想看文字？看这里）
下方的漫画形象地展示了二者之间的配合关系：
上下文铺路，提示工程教怎么走
提示工程是上下文工程的子集
（图片来源：小红书博主“机器坏人（AI版）”）
5. 更精确的公式
上下文工程 = 提示词 + 用户画像 + 记忆 + 检索信息 + RAG信息 + MCP信息
