上下文與記憶
Context Engineering 脈絡工程是什麼?從寫提示詞升級到經營整個脈絡
Context Engineering 脈絡工程是什麼?從寫提示詞升級到經營整個脈絡
同一句提問,貼在乾淨的新對話裡很好用,貼在聊了兩小時的對話裡就走鐘。問題不在那句話,在它周圍的東西。
當你開始做 Agent、做知識庫、做長流程,重點就會從「怎麼問」轉移到「它現在看得到什麼」。
你將學到什麼
定義
設計與管理模型在回答當下看得到的全部資訊。
白話比喻
不只交代任務,還負責準備他桌上那疊資料與可用工具。
管的是什麼
放什麼、放多少、放在哪個位置、什麼時候該清掉。
跟提示工程的關係
提示工程是其中一格,脈絡工程管的是整張桌子。
定義
脈絡工程是設計並管理模型在回答當下看得到的全部資訊。它處理的不是一句話,而是一整個視野。
這個視野通常由幾層組成:系統提示與角色設定、使用者的當前提問、對話歷史、檢索到的文件片段、長期記憶、工具回傳的結果。每一層都在跟其他層搶空間。
白話比喻
帶新人做事,光交代「幫我做一份報告」是不夠的。你還要把去年的版本、資料來源、可以用的工具,一份一份放到他桌上。
桌子就那麼大。放太多他會被淹沒,放錯的他會照著錯的做,放過期的更糟。脈絡工程就是決定那張桌子上該有什麼。
跟提示工程的差別
| 比較項 | 提示工程 | 脈絡工程 |
|---|---|---|
| 處理對象 | 你送進去的那段指令 | 模型看得到的全部資訊 |
| 關注重點 | 怎麼問、怎麼描述任務 | 放什麼、放多少、放哪裡、何時清 |
| 適用階段 | 單次問答、日常使用 | 應用系統、長流程、多輪協作 |
| 失敗長相 | 答非所問、格式不對 | 答案漂移、前後矛盾、成本失控 |
實際用例
做知識庫問答時,決定檢索回幾段、怎麼排序、要不要先摘要,這是脈絡工程。做 Agent 時,決定每一步要帶哪些前一步的結果進去,也是脈絡工程。
長對話的維護同樣屬於它:定期把前面的內容壓縮成摘要、把已完成的段落移除、必要時開新對話重置。相關概念可以看 Context Stack 上下文層級、上下文容量 與 上下文污染。
最常見的誤解是以為上下文變長就不用管脈絡了。容量變大只是讓你能放更多,不代表放進去的每一句都會被好好讀到,反而更容易讓雜訊淹掉重點。
另一個誤解是把它當成工程師的事。決定「這一步該讓 AI 看到什麼」本質上是流程設計,做內容、做顧問、做教學的人一樣需要它。
延伸學習
HE301|Harness Engineering Architecture(12 小時)
兩天十二小時的架構課,處理的是「第一百次仍然成功」。從能力設計出發,逐層拆解知識、脈絡、記憶、規則、工具、工作流、評估與多代理八種架構,每一種都給治理方式與真實案例。12 章 114 課圖文講義、52 張對照表,附兩天的學員講義與投影片 PDF。課程於 2026 年 8 月 30 日實體開課,完整錄影將於課後上傳。
NT$ 12,999
ChatGPT 很強,但真正讓你下班的是 Google
六小時完整實錄。從「AI 很厲害,為什麼你還是每天加班」這個問題出發,把 Google Workspace 當成真正的工作平台重新設計一次流程 ── Sheets 的資料結構、Drive 與 Docs 的文件流、Gmail 與 Calendar 的通知系統,再用 Apps Script 讓它自己跑起來,最後收斂成一張屬於你自己的 AI 工作能力地圖。
NT$ 4,599

