上下文工程：AI 编程的新兴学科

如果 2023 年是提示工程（Prompt Engineering）的元年，那么 2024-2025 年，社区开始意识到一个更根本的问题：人类与 AI 协作编程的本质，不是「写更好的提示词」，而是「管理AI的上下文」——这正在催生一门全新的工程学科：上下文工程（Context Engineering）。

从"会聊天"到"会设计上下文"

早期的 AI 编程实践，焦点在交互层：怎么问 AI 问题，怎么拆解任务，怎么引导它一步步思考。但随着 Claude Code、Cursor、Github Copilot 等工具深入工程一线，开发者逐渐发现一个苦涩的事实：AI 的表现上限，往往不是由模型决定的，而是由你给它的上下文质量决定的。

给同样的模型，一个糟糕的上下文产生的是 boilerplate 垃圾代码，一个精心设计的上下文可以产生生产级别的系统设计。这之间的差距，不在模型，在人。

于是，一门以「上下文」为核心对象的工程学科悄然成形。

上下文工程不是什么

在深入之前，有必要澄清几个常见误解。

上下文工程 ≠ 提示词工程。 提示词工程关注的是「说什么」（内容），上下文工程关注的是「怎么说」以及「说的时候带什么」（结构与输入）。一个好的上下文工程师，会系统性地思考：代码的哪些部分需要进入上下文？用什么粒度？以什么顺序？要不要分层抽象？

上下文工程 ≠ RAG。 RAG（检索增强生成）是上下文工程的一种技术手段，但上下文工程的范畴远不止检索——它包括：上下文的选择、裁剪、排序、压缩、分层注入，以及上下文与模型注意力机制的适配。

上下文工程的核心命题

我们从实践中提炼出三个核心命题：

1. 上下文是有限资源，必须被管理

大模型的上下文窗口看似很大（200K token 以上已是常态），但实际可用且有效的上下文是另一回事。模型存在「中间丢失」问题（Lost in the Middle）：上下文中间的信息被模型关注的程度低于开头和结尾。这意味着一股脑把所有信息塞进上下文的做法是低效的。

上下文工程师要做的事：选择性暴露——把最相关的信息放在关键位置，用结构化方式组织，让模型能准确理解局部与整体的关系。

2. 上下文有层次，工程师要设计层次

一个成熟的 AI 编程上下文，通常包含以下几个层次：

• 系统层：角色定义、能力边界、行为约束（如 "你是安全审查员，重点关注 XSS 和 SQL 注入"）
• 项目层：架构概述、模块关系、关键决策日志
• 当前任务层：具体目标、文件状态、最近对话历史
• 工具层：可调用工具的能力描述和使用约束

层次不清的上下文是 AI 产生幻觉和无关输出的主要诱因之一。

3. 上下文需要版本化和可复现

传统的提示词是临时性的——每次对话都是新的。成熟的上下文工程实践，开始引入上下文模板的概念：将项目上下文抽象为可版本化、可复用的结构。这类似于传统软件中的架构决策记录（ADR），但服务于 AI 而非人类读者。

典型实践：从代码补全到系统共建

让我们看一个具体的转变。

传统 AI 代码补全： 打开 IDE，写一段注释，AI 补全代码。这是一对一的上下文——注释 + 当前文件。

上下文工程实践： 在开始一个功能前，先向 AI 描述：模块的上一层架构、新功能在其中的位置、该模块现有的测试覆盖情况、最近三次相关提交的摘要、以及本项目关于错误处理的约定。AI 在这个丰富的上下文中，不是补全代码，而是设计方案并实现——因为它理解了为什么而做，而不只是做什么。

这其中的差距，是上下文的质量。

工具与生态正在跟进

上下文工程的需求，正在催生一批新工具：

• Context7：通过语义检索将相关代码文件注入 AI 上下文，解决「中间丢失」问题
• Cline/MCP 生态：将工具调用和上下文注入标准化
• Aider 等编辑器：内置多文件上下文的智能管理策略
• 各类项目级 AI 上下文生成器：自动生成项目摘要、结构图、决策记录

这些工具的出现印证了一个判断：上下文工程不是一种技巧，而是一个正在形成的工程学科——它有自己的最佳实践、工具链、人才需求。

为什么这对 AI 原生开发至关重要

在 AI 原生应用（AI Native Application）的开发中，上下文工程的地位更加核心。AI 原生应用的核心特征是：AI 不是辅助工具，而是系统的主要接口和决策者。这意味着：

1. 系统需要为 AI 优化上下文格式（而不仅仅是为人类可读）
2. 上下文容量成为架构设计的约束条件
3. 如何高效向 AI 传递状态变化，成为系统设计的核心问题

从某种角度说，AI 原生开发者的核心技能，正在从「写代码」转向「设计 AI 能理解并高效处理的上下文结构」。

结语

上下文工程仍是一个年轻的领域，许多最佳实践尚未固化。但有两件事是确定的：

第一，它不仅仅关乎 AI 编程效率，它是一门关于「如何在上下文稀缺的世界中，做出最优信息决策」的应用学科。

第二，能够系统性地管理上下文——理解模型注意力的工作原理、设计层次化的信息结构、构建可复用的上下文模板——正在成为 AI 时代软件工程师的核心能力之一。

也许再过几年，「上下文工程师」会像今天的「DevOps 工程师」一样，成为一个独立的职位名称。在此之前，先掌握它的人，将拥有显著的竞争优势。

---

如果你正在探索 AI 编程的最佳实践，欢迎在评论区分享你的上下文设计经验。