上下文工程：AI 编程的核心能力

上下文工程：AI 编程的核心能力

作为一线开发者，你可能已经用过 Copilot、Claude Code 或 OpenAI Codex。它们确实强大，但很多人发现，用了一段时间后，AI 的建议质量开始下降——代码越来越不相关，甚至答非所问。

问题往往不在 AI 本身，而在你给它的「上下文」。

什么是上下文工程

上下文工程（Context Engineering）是 Prompt Engineering 的进阶形态。Prompt Engineering 关注的是「怎么问」，而上下文工程关注的是「AI 在回答之前看到了什么」。

一个 AI 编程助手的输出质量，直接由它接收到的上下文决定。你给它的项目背景越准确，它的建议就越切中要害。上下文工程的核心，就是系统性地管理这个信息供给。

五个立竿见影的实践技巧

1. 项目结构文档化

在项目根目录放置一个 CONTEXT.md 文件，用结构化的方式描述项目：

# 项目概述
电商后端 API 服务，基于 Node.js + NestJS

## 核心领域模型
- Order（订单）：id, userId, status, totalAmount, createdAt
- Product（商品）：id, name, price, stock, categoryId
- User（用户）：id, email, role, addresses[]

## API 设计约定
- RESTful，URL 使用 kebab-case
- 统一错误响应格式：{ code, message, data }
- 认证：JWT Bearer Token

## 数据库
- PostgreSQL，使用 Prisma ORM
- 迁移文件在 prisma/migrations/

AI 看到这份文档后，能在几秒内理解项目结构，而不需要从几千行代码里慢慢推断。

2. 精准的代码片段注入

不要让 AI 自己搜索相关代码，而是在对话中主动粘贴关键片段。

举个例子，你想让 AI 帮你写一个新的 API 路由，但 Copilot 给的建议完全不符合项目的代码风格。你可以这样做：

我正在为商品模块添加一个新的 API 端点。
这是项目中现有的商品相关路由的写法（符合我们的风格）：

// 现有代码
@Get(':id')
async findOne(@Param('id') id: string) {
  const product = await this.productService.findById(id);
  if (!product) throw new NotFoundException('商品不存在');
  return { code: 0, data: product };
}

请参考这个模式，帮我写一个根据分类获取商品列表的端点。

这样做，你是在用具体的代码「教」AI 项目的编码风格，而不是抽象地描述规则。

3. 分层记忆策略