跳转至

Ch02 提示词工程与上下文工程

与 AI 高效对话的科学与艺术：Prompt、CoT、Context Engineering

本章收录 27 篇实体，按深度递增排列。

本章导航

Level 含义 篇数
⭐ 入门 零基础可读 4
⭐⭐ 工程师 需编程基础 2
⭐⭐⭐ 专家 需ML基础 11
⭐⭐⭐⭐ 科学家 需研究背景 6
⭐⭐⭐⭐⭐ 大师 前沿/哲学 4

导读

一个精心设计的提示词，可以让同一个模型的表现相差 10 倍。

本章从最基础的 Prompt 写法开始：如何给模型足够的上下文、如何用 Few-shot 示例引导输出格式、如何用 Chain-of-Thought 让模型"展示推理过程"。然后进入更高阶的 Context Engineering——不是"写更好的提示词"，而是"设计更好的信息环境"。

你会看到 Hermes Agent 的 Prompt 调试器如何做 A/B 对比，Codex 的上下文工程如何用 Append-only 策略管理信息流，以及为什么 Karpathy 说"未来的工程师不是写代码，而是设计上下文"。

这是从"会用 AI"到"用好 AI"的关键跳板。

本章内容

⭐ 入门（4 篇）

⭐⭐ 工程师（2 篇）

⭐⭐⭐ 专家（11 篇）

⭐⭐⭐⭐ 科学家（6 篇）

⭐⭐⭐⭐⭐ 大师（4 篇）

本章收束

这一章的演进线索只有一条：从"把话术磨好"走到"把环境设计好"。提示词工程的收益有天花板，因为模型的发挥受它能看到的信息约束；上下文工程没有——你给模型什么样的信息环境，它就还你什么样的产出。当你开始为上下文建模而不是为措辞焦虑时，你已经在用工程师的方式用模型了。