什麼是Contextual Engineering，與Prompt Engineering有什麼不同？（吳壽冠）
本文作者吳壽冠先生(Ivan Ng)是數據及人工智能素養協會(Data and AI Literacy Association, DALA)資深創會會員兼Lively Impact創辦人及行政總裁，同時是心理學碩士及研究人員。
從一句指令到一個世界
自從生成式AI（Generative AI）如ChatGPT等工具席捲全球，一個新興的熱門詞彙——「提示工程」（Prompt Engineering）便迅速進入大眾視野。它被譽為與AI高效溝通的藝術，彷彿只要掌握了提問的魔法，就能從AI這個阿拉丁神燈中召喚出最完美的答案。然而，當我們從新奇的聊天機器人，邁向需要高度可靠性與複雜度的企業級AI應用時，很快就會發現，僅僅依賴「說話的藝術」是遠遠不夠的。這正是「情境工程」（Contextual Engineering）崛起的原因——它不再只是教你如何提問，而是教你如何為AI建構一個完整的「世界觀」。
提示工程 (Prompt Engineering) – 問對問題的藝術
提示工程，顧名思義，是設計、建構和優化給予大型語言模型（LLM）的「提示」（Prompt）的一門學問。其核心目標在於透過精確、清晰、且富有引導性的語言，讓模型能夠理解我們的意圖，並生成最貼近需求的輸出。
這好比一位經驗豐富的偵探在訊問目擊者。一個新手偵探可能會問：「你看到了什麼？」，得到的答案可能雜亂無章。而一位專業偵探則會問：「請描述一下您在昨晚9點15分，於中央公園西側入口處看到的那位男士，他穿著什麼顏色的外套？身高大概多少？」後者透過提供具體的角色、時間、地點等限制條件，極大地提高了答案的品質和相關性。
實例：問AI 如何做一道完美的義大利麵
- 糟糕的提示：
- 優秀的提示（好的提示工程）：
這個優秀的提示，透過賦予AI「角色」、設定「具體目標」、提供「關鍵限制」（食材），並要求「解釋核心技術」，將一個模糊的需求變成了一個清晰的任務，從而獲得了高品質的答案。
然而，提示工程的侷限性也在此顯現：它本質上是「反應式」的，成果高度依賴單次互動的品質，並且需要使用者自身具備相當的領域知識和提問技巧。如果我們需要AI執行的任務遠比一份食譜複雜呢？
情境工程 (Contextual Engineering) – 為AI打造專屬的智慧大腦
如果說提示工程是「戰術層面」的溝通技巧，那麼情境工程就是「戰略層面」的系統架構。它不再糾結於單一提示的措辭，而是致力於為AI建構一個完整、動態、且資訊豐富的「情境（Context）」。這個情境，就是模型在處理你的最終提示之前，所能看到和使用的所有資訊的總和。
這就像是從一位專業偵探，升級為一位情報機構的總指揮。總指揮不僅要會問話，更要負責建立整個情報網絡：他需要確保手下的探員（AI模型）能夠即時查閱檔案庫（知識檢索）、使用竊聽器或無人機（工具使用）、記得之前的案件進度（短期記憶），並了解長期追蹤對象的背景資料（長期記憶）。
正如上圖所示，情境工程的核心組成部分為：
- 檢索增強生成 (Retrieval-Augmented Generation, RAG)：這是情境工程的基石。在AI回答前，系統會先從龐大的外部資料庫（如公司內部文件、產品手冊、最新的網路新聞）中，檢索出最相關的資訊片段，餵給AI作為背景知識。
- 工具使用 (Tool Use / Function Calling)：賦予AI「行動」的能力。讓模型不僅能說，還能「做」，例如：查詢即時天氣、從公司資料庫下訂單、預訂會議室等。
- 記憶機制 (Memory)：讓對話不再是「金魚腦」。系統會儲存和管理對話歷史，甚至從中提煉出用戶的偏好和習慣，實現真正個人化的互動。
- 系統級指令與編排 (System-level Instructions & Orchestration)：在更高層次上定義AI的行為準則、目標和工作流程，將上述所有元件有機地結合起來。
- 例子：航空公司智慧客服的天壤之別
以下是查詢航班時，與擁有提示工程或情境工程的客服AI進行的會話示例：
看到了嗎？擁有情境工程的客服AI提供的體驗是革命性的。這種「神奇」的感覺，並非來自於更華麗的提示詞，而是源於背後強大的情境工程，它為AI提供了完整的視野和行動力。
核心差異
| 比較維度 | 提示工程 (Prompt Engineering) | 情境工程 (Contextual Engineering) |
| 適用場景 | 單次交互或單一任務 | 複雜、多層次的應用場景 |
| 目標 | 設計高效提示，讓 AI 輸出所需結果 | 整合背景資訊，讓 AI 更智能地理解情境 |
| 所需資源 | 主要依賴語言提示 | 需要整合多種數據與技術資源 |
| 技術挑戰 | 如何設計清晰、精確的提示 | 如何動態整合並更新背景資訊 |
| 比喻 | 專業的偵探或審訊者 | 情報機構的總指揮 |
| 本質 | 反應式 (Reactive) | 主動式 (Proactive) |
從工匠到建築師的蛻變
提示工程與情境工程並非相互排斥，而是一種演進和包含的關係。優秀的提示工程是情境工程中不可或缺的一環，一個清晰的最終指令能讓整個系統事半功倍。
然而，未來的AI發展趨勢，顯然是從單純的「聊天玩具」走向深度整合至各行各業的「生產力工具」。在這個趨勢下，企業的核心競爭力將不再是能否寫出幾句絕妙的提示，而是能否建構一個強大、可靠、且擁有豐富情境的AI系統。
可以說，提示工程為我們打開了與AI對話的大門，它是一位精雕細琢的工匠。而情境工程，則是設計和建造整座智慧殿堂的建築師。對於任何希望在AI時代取得成功的開發者和企業而言，理解並掌握從工匠到建築師的思維蛻變，至關重要。
更多吳壽冠文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
