什么是上下文工程 Context Engineering：比写提示词更系统的一层功夫

「第二教育网」是一个专注于优质教育资源导航与学习方法分享的第三方平台。本文将从方法、工具与实操几个角度，帮你把这件事一次看明白。

上下文工程（Context Engineering）指的是在把问题交给大模型之前，先设计好喂给它的全部信息：系统指令、角色设定、任务要求、参考资料、示例，以及已经聊过的内容。简单说，提示词工程只关心一句话怎么问，上下文工程关心整段上下文怎么排。对同一个模型，上下文组织得好，回答质量通常会有肉眼可见的提升。

为什么提示词之后还需要上下文工程

初学 AI 的人常把注意力放在话术上，反复琢磨用词。但模型看到的是一整段上下文，指令只是其中一部分。当任务涉及长材料、多轮追问或固定流程时，真正影响结果的是信息的顺序、完整度和密度。把该给的都给齐、把不该给的清掉、把最重要的放在模型最注意的位置，比换几个形容词有用得多。

上下文里通常有这五类内容

• 系统指令：规定身份、语气、格式和边界，放在最前面。
• 任务说明：这次要做什么，输出成什么样子。
• 参考资料：教材片段、错题、论文段落等，作为事实来源。
• 少量示例：一二个标准答案样式，帮模型对齐口径。
• 历史对话：前几轮的有效问答，用来承接语气和进度。

三种常见的排布做法

一是「指令居中加资料垫底」：把系统指令和任务放在上下文两端，中间放检索来的材料。二是「资料打标签」：给每段材料标上来源，比如注明来自九年级物理教材某一页，能明显降低张冠李戴的概率。三是「精简历史」：只保留关键结论，把完整过程压缩成几行，既省算力又减少跑偏。

两个容易被忽略的坑

第一个坑是信息过载。塞进去越多并不越好，噪音会和真实线索混在一起，反而让模型抓错重点。第二个坑是位置陷阱。模型对上下文开头和结尾的关注通常高于中间，长材料中间最容易被动忽略，因此关键结论别埋在一万字正中央。

怎么判断自己的上下文有没有做好

• 同样的模型，换不同排布，答案质量是否明显变化。
• 模型是否引用了你给的材料，而不是凭印象编。
• 追问细节时它能否保持前后一致。
• 把无关内容删掉后，错误是否减少。

一句话总结

上下文工程不是玄学，而是一套把对的信息放在对的位置做实的工程习惯。对学习者来说，先想清楚这次要给 AI 哪些料、按什么顺序给，往往比再雕琢一句话更重要。

顺手可用的三分钟检查：这一轮有没有把题目、已知条件和输出格式一次写全；给的资料是否只留了与问题直接相关的部分；上一轮的关键结论能不能压缩成一行继续用。三件都过了，通常不必反复追问；如果还跑偏，多半是任务本身没写清楚，而不是模型不听话。