上下文工程指南
上下文工程是最近的热门话题，自从安德烈·卡帕蒂在推文中推广它后，每个人都为之疯狂。这与他之前推广“氛围编码”时的情景非常相似，一夜之间成为了互联网上的热门话题。但我觉得上下文工程有更坚实的基础。
1、什么是上下文工程？
可以这样理解：
- 提示 是你让模型做某事。
- 上下文工程 是你在提问前准备好模型可能需要的一切。
不是添加更多的文字，而是添加 正确的 文字。
你是在给模型一个合适的角色，一个合适的听众，以及对“好”的清晰理解。如果你不这样做，模型会猜测——而它通常会给出安全、通用的答案。
2、在现实生活中它是如何工作的
这不是一个完美的分步方法。但这是一个有效的一般流程。
2.1 明确你真正想要什么
在你向模型提问之前，明确你期望的是什么。
而不是：
“写一个食谱。”
尝试：
“写一个素食木瓜食谱，听起来像朋友在周日上午11点发来的短信。”
具体说明语气、目的和受众。这有助于模型匹配你的期望。
2.2 提供正确信息
想想模型为了做好工作需要知道什么。
- 模型假装是谁？
- 它在和谁说话？
- 有任何规则吗？（字数限制、时间、语言类型？）
- 有任何例子可以参考吗？
除非你告诉它，否则模型不会知道这些。如果你不说“保持在30分钟以内”，它可能会给你一个需要几个小时的食谱。如果你不说“像一个新手那样说”，它可能会使用复杂的词汇。
2.3 正确安排输入内容
顺序很重要。一个效果很好的简单结构：
[角色或语气]
[事实或规则——必须包含的内容]
[示例——语气或风格的简短样本]
[提示——最终任务]
最重要的是放在底部——特别是任务，因为GPT更关注接近结尾的内容。
2.4 保持简洁
你没有无限的空间。有令牌限制，而且很快就会填满。
所以删除不需要的内容：
- 不要重复解释
- 避免一般的问候或介绍
- 删除任何无助于模型完成工作的内容
每一行都应该帮助模型理解 说什么 和 怎么表达。
2.5 清晰且直白
大语言模型不会看穿文字。如果你想有特定的语气或细节，就明确说出来。把GPT想象成一个聪明但新来的实习生。如果你含糊不清，它会很保守。如果你清晰明了，它就能正确理解。
3、两个真实案例
让我们看看两个案例，改变设置带来了巨大差异。
3.1 🍛 木瓜食谱
目标: 使用木瓜的有趣、快速的素食食谱。
基本提示:
“给我一个木瓜食谱。”
结果: 安全、无聊。没有个性。
经过上下文工程的版本:
[角色]
你是一个随意的素食美食博主，语气活泼。
[细节]
主要原料：木瓜
时间：少于30分钟
受众：初学者
风格：像给朋友发短信
[示例语气]
“把木瓜沥干。真的，那个卤水很糟糕。像处理剩余的家庭作业一样撕碎它。把它和芥末籽、大蒜和任何辛辣的东西混合。如果它闻起来像一个多萨车，那你做得很好。”
[提示]
用那种语气和格式写一个完整的食谱。
输出: 更好。听起来像人类，没有跳过关键步骤，并且有幽默感。
3.2 关于AI自动化的博客
目标: 一篇针对工程师的文章，警告不要在没有监督的情况下使用AI进行部署。
默认提示:
“写一篇关于AI和自动化风险的博客。”
结果: 一般化。充满流行语。没有真正的观点。
经过上下文工程的版本:
[角色]
你是一个中年软件工程师，为同行写一篇博客。
[受众]
对LLMs既好奇又谨慎的经验丰富的开发者。
[示例语气]
“当然，Copilot可以写测试。但仅仅因为CI通过了就让GPT合并代码？这就是计费出问题的方式。不是以崩溃的形式，而是安静的混乱。”
[提示]
写一篇700字的博客文章。包括一个关于机器人报税的轻松笑话。
输出: 感觉更贴近生活。不太正式。传达了信息，而不显得像讲座。
4、我是如何想出这个上下文的？
没有工具。没有模板。只是普通的思考，一些试错，然后问自己：“如果我自己写这篇文章，我首先需要知道什么？”
对于烹饪食谱
我没有一开始就想着“GPT能理解什么提示？”
我从“我实际上会喜欢读什么样的食谱？”开始。
一种友好、快速、不太精致的风格。有点像一个擅长做饭但不擅长说明的朋友发来的消息。一旦我有了这个画面，我就反向思考：
- 语气？ 随意，有点凌乱。
- 受众？ 可能是刚开始接触素食烹饪的人。
- GPT通常哪里出错？ 它忘记提到沥干木瓜。所以我提前包含了这一点。
然后我写了一行示例，捕捉到了这种氛围。这一行比完整的解释更能使模型“明白”。
对于AI博客
我想象了这篇博客的目标读者。不是高管。不是初学者。可能是一位疲惫的工程师，已经看过太多关于“AI彻底改变一切”的LinkedIn帖子。
因此，我将其设定为一位经验丰富的开发人员之间的聊天——一个有些怀疑但仍然好奇的人。
我给了模型：
- 一个明确的角色: “一位有幽默感的中年开发者。”
- 一个真实的语气示例: 一句话展示了应该使用什么样的讽刺。
- 还有一个具体的笑话要求 ——不是因为我需要这个笑话，而是因为它迫使模型写得不那么正式。
再次强调，没有花哨的方法。只是思考：如果我自己来做，会是什么样子？ 然后将同样的信号提供给模型，就像我需要自己冷启动写作一样。
5、所以，你怎么做的？
你可能已经做了。如果你曾经：
在提示中添加了一个例子 重写了提示以改变语气 给出了受众的简短描述 删除了额外的词以节省空间
— 那么你已经做了一些上下文工程。
要做得更好：
像你正在为一个新人写指示一样思考 不要说“让它有趣”——展示“有趣”是什么样的 总是假设模型需要明确的指导
6、结束语
当GPT给出一个出色的答案时，不只是因为它聪明。是因为你给了它正确的设置。
上下文工程只是给模型一个公平的机会去做一些好的事情。希望你也能尝试用你的提示进行上下文工程！
原文链接：How to do Context Engineering? Step by Step Guide
汇智网翻译整理，转载请标明出处