定义
Context Engineering（上下文工程）是 Prompt Engineering 的演进形态，由 Anthropic 于 2024-2025 年提出。它不再局限于优化单个提示，而是将提示视为更大系统中的上下文组成部分，包括系统提示、工具定义、外部数据和对话历史的综合策划。
核心原则：
“找到能够最大化期望结果概率的最小高信号 token 集合。“
从 Prompt 到 Context 的转变
Prompt Engineering（旧范式）
- 关注单个提示的词句优化
- 重点是”如何问问题”
- 相对孤立的提示设计
Context Engineering（新范式）
- 关注整个上下文环境的策划
- 重点是”提供什么信息和工具”
- 系统化的上下文管理
- 版本控制和测试如代码一般
核心组件
Context Engineering 包含以下上下文的综合策划：
1. 系统提示 (System Prompt)
定义模型的整体行为和身份。
你是 Claude，一个由 Anthropic 创建的 AI 助手。
你擅长长文档分析和细致推理。
默认提供事实性的进展报告，而非自我庆祝式更新。
2. 工具定义 (Tool Definitions)
描述可用工具及其用途。
可用工具:
- search: 搜索互联网获取最新信息
- calculator: 执行数学计算
- code_interpreter: 执行 Python 代码
3. 外部数据 (External Data)
从 RAG、数据库或 API 获取的数据。
以下是关于你查询主题的相关文档片段：
[文档内容...]
基于上述信息，回答用户的问题。
4. 对话历史 (Conversation History)
之前交互的摘要或完整记录。
之前的对话摘要：
- 用户询问产品定价
- 你提供了标准定价表
- 用户表示是教育机构，询问折扣
5. 当前用户输入 (Current User Input)
用户的即时请求。
最佳实践
1. 高信号密度
优先选择最相关信息，而非包含所有可用信息。
“一个结构良好的 16K token RAG 提示优于 128K token 的完整上下文。” —— 研究报告
2. 战略性放置
- 关键指令：放在提示末尾（利用 recency bias）
- 长文档：放在提示开头
- 锚定短语：“基于上述所有信息…” 重新聚焦注意力
3. 结构化分隔
使用清晰的结构标记不同上下文组件：
<system>
[系统提示]
</system>
<tools>
[工具定义]
</tools>
<context>
[外部数据]
</context>
<conversation>
[对话历史]
</conversation>
<user_input>
[用户输入]
</user_input>
4. 版本控制与测试
将上下文配置视为代码：
- 使用 git 进行版本控制
- 维护测试集（20-50 个真实输入）
- 回归测试防止性能退化
- 监控 token 成本和延迟
上下文窗口优化
挑战
- Recency Bias：Transformer 对最近的 token 加权更高
- 信号稀释：无关信息会干扰关键信号
- 幻觉增加：长上下文中幻觉率上升
- 延迟：每 500 tokens 增加约 25ms 响应时间
优化策略
| 策略 | 说明 |
|---|---|
| 优先级排序 | 最关键信息放在开头和结尾 |
| 摘要压缩 | 长文档预摘要处理 |
| 分块检索 | 只检索最相关的片段 |
| 渐进加载 | 复杂任务分解为多个上下文窗口 |
应用场景
适用于 Context Engineering
- AI 代理（Agents）和自动化工作流
- 长文档分析和问答
- 多轮对话系统
- 工具使用型应用
- 需要持续学习的应用
示例工作流
Context Engineering 工作流示例：
1. 系统设置（一次）
- 定义系统角色
- 配置可用工具
- 设置环境变量
2. 对话初始化
- 加载相关知识库摘要
- 设置会话状态
3. 每轮交互
- 更新对话历史
- 如有需要，执行 RAG 检索
- 构建完整上下文
- 发送给模型
- 处理响应，更新状态
4. 持续优化
- 基于评估结果调整上下文组件
- A/B 测试不同配置
与 Prompt Engineering 的关系
Context Engineering 包含并超越 Prompt Engineering：
- 底层技术：提示编写技巧仍然重要
- 上层架构：增加了系统性视角
- 工程实践：加入了版本控制、测试、监控
未来趋势
- 自适应上下文：模型自动决定需要加载哪些上下文
- 上下文缓存：重用稳定的上下文部分
- 多模态上下文：整合文本、图像、音频、视频
- 个性化上下文：基于用户历史和行为定制
关联连接
- Prompt_Engineering — 提示工程基础
- RAG — 检索增强生成（Context Engineering 的关键组件）
- 摘要-ai-prompt-engineering-2025-2026-espo — 来源文档
- Agentic_Systems — 智能体系统（重度依赖 Context Engineering）