EP95 人工智能行业又来造次（词）｜从"提示词工程"到"上下文工程"

这期讲了什么

从”提示词工程”到”上下文工程”，一个新词的诞生与发酵——

Context是什么？：Context是一个跨越语言学、神经科学与计算机科学的多义词；在语言学中它是”语境”——同一句话在不同情境下目的和效果截然不同；在计算机科学中它是”上下文”——任务中断恢复所需的最小数据集；在大模型领域，Context综合了两层含义，既是关联的语境信息，也是推动LLM运行的”工作记忆”
Context Engineering的提出与传播：2025年4月Braintrust CEO Ankur Goyal率先在X上使用这一术语；6月Shopify CEO Tobias Lütke公开背书，认为它比”提示词工程”更准确地描述了核心技能；Devin创始人Walden Yan在《Don’t Build Multi-Agents》中系统阐述了串行vs并行Agent协作中的上下文传递原则，提出”共享完整Agent轨迹而非单个消息”的核心主张；HumanLayer创始人Dexter Horthy进一步梳理了上下文的五大组成：提示指令、RAG检索文档、工具调用历史、记忆、输出格式指示
LangChain的正式定义：6月23日LangChain发布文章，给出权威定义——“构建动态系统，以正确的信息和工具，采用合适的格式，使LLM能够合理地完成任务”；关键特征：系统性（多来源整合）、动态性（非静态模板）、准确性（垃圾进垃圾出）；Lance Martin进一步提出三大上下文管理策略：压缩（Compressing）、持久化（Persisting）、隔离（Isolating）——分别应对上下文窗口溢出、跨会话记忆、多Agent协调等实际挑战
Andrej Karpathy背书与概念升华：Karpathy在6月25日表示”+1”支持，并将上下文工程定义为”在工业级LLM应用中，用恰当信息填充上下文窗口的艺术与科学”；他强调上下文工程只是整个LLM工程栈的一部分，还需要问题分解、控制流设计、模型选择、UI/UX生成验证、安全护栏等；他明确指出”ChatGPT套壳”这种理解早已过时——真正的工业级应用需要系统化的上下文工程
AI行业的造词运动：支持还是反对？：支持的一面——新领域确实需要新词来快速概括复杂现象，新词能映射时代心理与价值观，语言需要保持生命力；反对的一面——为时髦和炒作而随意造词，形成语言泡沫，缺乏持久语义支撑，有时沦为圈子划分工具；“版本号造词法”（1.0/2.0/3.0）是较保守的替代方案，但也有其局限
语境对人类与AI沟通的深层意义：萧伯纳的名言”沟通中最大的问题是误以为沟通已经发生”同样适用于人机交互；提示词工程是”初识阶段的问答”，上下文工程则是让AI真正”了解你”的系统化方法；中国在工程实践上有独特优势，大模型是科学，上下文和提示词是工程，中国人更擅长工程

几个关键判断

上下文工程不是”新瓶装旧酒”，而是范式的升级——提示词工程是上下文工程的子集；区别在于，前者是精心措辞单一输入，后者是构建动态系统，从多个来源在正确的时机以正确的格式向LLM注入恰当信息；随着Agent变得复杂，这个区别越来越重要
Agent出错的首要原因是上下文，而不是模型本身——随着模型越来越强，“模型不够好”的借口越来越难站住脚；更多时候是上下文的格式不对、信息不足或信息冗余导致性能下降；这正是上下文工程价值所在
上下文的三大工程挑战：压缩、持久化、隔离——上下文窗口是有限资源，如何在保留关键决策信息的同时避免溢出，是构建长期运行Agent的核心工程问题；Claude Code的”自动压缩”就是这一思路的典型实现
新词的传播路径是可预测的——Karpathy、Shopify CEO这样的意见领袖背书，LangChain这样的工具链公司给出正式定义，最终完成破圈；理解这个传播链路，才能分辨哪些新词会长期存在，哪些只是昙花一现

时间轴

03:02 什么是Context？（语境、情景、上下文的三重含义）
08:34 上下文工程的提出：Ankur Goyal、Tobias Lütke、Walden Yan、Dexter Horthy
19:34 上下文工程的发酵与传播：LangChain、Lance Martin、Andrej Karpathy、Philipp
42:18 支持还是反对AI行业中的造词运动？
46:03 语境对人类及AI沟通的根本重要性

这期讲了什么

几个关键判断

时间轴

推荐阅读