提示词工程和上下文工程有什么区别？

最短的解释是：

提示词工程负责告诉 AI“要做什么、怎么做、结果长什么样”。
上下文工程负责把 AI 完成任务需要的事实、历史、规则和工具准备好。

一句指令写得很清楚，但没有订单记录，AI 仍然无法回答客户的退款进度。资料都准备好了，但没有清楚的任务，AI 也可能抓不住重点。实际系统通常两者都要。

什么是提示词工程？

提示词工程主要处理指令本身，例如：

请根据我提供的订单记录和退款规则，给客户写一封回复。
先回答退款是否已经提交，再说明预计到账时间和下一步。
不要承诺规则里没有写的补偿。
控制在 180 字以内。

这里定义了任务、顺序、限制和格式。

什么是上下文工程？

上下文工程处理 AI 在回答前能看到什么、能调用什么，例如：

当前客户的订单记录；
最新退款规则；
已有对话历史；
查询物流和付款状态的工具；
哪些资料优先、哪些旧记录应该排除；
任务进行到哪一步。

上下文不是“把所有资料都塞进去”。资料太多、过期或互相冲突，同样会让结果变差。

两者对照

问题	提示词工程	上下文工程
主要工作	把指令说清楚	准备并组织 AI 需要的信息
常见内容	任务、语气、限制、格式、示例	文件、记录、历史、规则、工具
常见失败	语气或格式不对	缺少正确事实
常见修复	修改要求	补、删或查找资料
常见场景	一次聊天或单个步骤	长任务、客服机器人、AI 助手
能否单独工作	简单任务有时可以	仍然需要一条清楚的指令

用一个客服问题看差别

客户问：“我的退款为什么还没到？”

只有提示词，没有上下文

请礼貌、准确地回答客户退款问题。

这句话不算错，但 AI 看不到订单、退款提交时间和银行规则，只能给一般解释或开始猜。

有资料，没有清楚的提示词

如果 AI 能看到订单和政策，却只收到一句“处理一下”，它可能输出一大段内部信息，漏掉客户最关心的到账日期。

两者一起使用

系统先找出正确订单、最新政策和付款状态，再用明确指令要求 AI：先回答状态，再解释时间，最后给下一步。这时结果才可能又准又能直接发送。

上下文工程通常包括什么？

找到相关资料

资料数量不重要，相关、最新、可信才重要。

保留有用的对话历史

长对话要留下决定、用户偏好和未完成事项，删除重复寒暄和已经失效的信息。

给 AI 工具

当任务需要查订单、读数据库、搜索网页或修改文件时，单靠文字提示不够。AI 需要对应工具和权限。

去掉噪声

旧版本规则、无关文档和重复片段会挤占注意力，甚至引发冲突。

保存状态

多步骤任务要知道已经做了什么、下一步是什么、哪些决定不能被覆盖。

聊天机器人和 AI Agent 的差别

普通聊天中，你经常手动把背景贴进对话。AI Agent 会自己查资料、调用工具并连续执行多个步骤，所以更依赖上下文工程、权限和状态管理。

上下文工程会取代提示词工程吗？

不会。上下文越来越重要，但 AI 仍然需要知道任务和验收标准。更准确的说法是：AI 工作从“只改一句提示词”扩展到了“同时管理指令、资料、工具和状态”。

什么时候该改哪一个？

先看失败类型：

答案格式、语气或范围不对： 先改提示词。
答案缺事实或用了旧事实： 先查上下文。
任务需要执行动作： 检查工具和权限。
多轮以后忘了决定： 检查历史和状态保存。
答案看似合理却不稳定： 同时检查提示词、资料和测试样例。

新手排查顺序

AI 是否知道最终任务？
验收标准是否明确？
必要事实是否真的提供了？
资料是否最新、相关、互不冲突？
任务需要的工具和权限是否存在？
是否用多个真实案例测试过？

如果前两项失败，先看什么是提示词工程。如果后三项失败，再长的提示词也救不了。

常见问题

上下文工程的例子是什么？

客服系统在回答前自动取回当前订单、最新退款规则和历史对话，只保留与这个客户问题有关的部分，再交给模型生成回复。

上下文工程的“四个支柱”是什么？

不同资料的叫法不统一。实务中常见的是信息检索、记忆或状态、工具、规则与指令。不要把某套四分法当成统一标准。

提示词工程过时了吗？

没有。一次性任务仍需要清楚提示词；复杂系统则需要在提示词之外管理更多上下文。

最实用的区别

答案不对时别急着重写整段提示词。先判断：AI 是没听懂任务，还是根本没有正确资料。前者改提示词，后者改上下文。