上下文工程

初次使用大型語言模型時，常常感覺手中握著原始的智慧。它們在寫作、總結和推理方面表現出色。然而，當你構建併發布實際產品時，模型的所有缺陷都會暴露出來。它記不住你昨天說過的話，一旦失去上下文，就會開始胡編亂造。這並非因為模型本身不夠智慧，而是因為模型與外部世界隔絕，並且受到如同小型白板般的上下文視窗的限制。這無法透過更好的提示來克服——你需要圍繞模型構建一個真實的上下文。而這正是上下文工程發揮作用的地方。本文將作為上下文工程的全面指南，定義該術語並描述相關流程。

本文系統解析上下文工程概念與提示工程差異，詳解指令提示、RAG、長期記憶等核心元件，實戰示範如何設計情境豐富的提示，構建安全可擴充套件的企業級AI代理，幫助開發者提升LLM推理準確度，快速落地資料分析、流程自動化等AI場景。