💡
原文中文，约7300字，阅读约需18分钟。
📝
内容提要
上下文工程是AI应用开发的新趋势，通过在提示词中增加相关上下文来提升大模型的输出稳定性。该概念由安德烈·卡帕西等专家提出，包含六个模块和四个步骤，旨在优化AI应用的性能与效率。
🎯
关键要点
- 上下文工程是AI应用开发的新趋势，通过增加相关上下文提升大模型输出稳定性。
- 上下文工程包含六个模块和四个步骤，旨在优化AI应用的性能与效率。
- 提示词工程已过时，新的概念是上下文工程，强调需要更多相关上下文数据。
- 安德烈·卡帕西是上下文工程的推广者，他曾提出多个新词，推动AI领域的发展。
- 上下文工程的六个模块包括指令层、用户请求、对话历史、长期记忆、RAG检索结果和工具与格式约束。
- 上下文工程的四个步骤是写、选、压缩和隔离，旨在提高信息处理效率。
- 成功的上下文工程应以更低成本、更少幻觉和更快响应速度完成任务。
- 并非所有大模型都能支持上下文工程，需满足长上下文、原生工具调用和稳定的JSON输出等要求。
- 当前表现良好的大模型包括GPT、Gemini和Claude，其他模型在某些方面存在不足。
- 上下文工程的应用将推动AI应用的稳定性和有效性，促进行业发展。
- 未来大模型将通过升级实现普通人也能使用上下文工程的能力。
❓
延伸问答
上下文工程的核心理念是什么？
上下文工程通过在提示词中增加相关上下文来提升大模型的输出稳定性，优化AI应用的性能与效率。
上下文工程包含哪些模块？
上下文工程包含六个模块：指令层、用户请求、对话历史、长期记忆、RAG检索结果和工具与格式约束。
上下文工程的实施步骤有哪些？
上下文工程的四个步骤是写、选、压缩和隔离，旨在提高信息处理效率。
上下文工程如何提高AI应用的稳定性？
上下文工程通过提供更多相关上下文数据，减少输出的幻觉和不稳定性，从而提高AI应用的稳定性。
哪些大模型支持上下文工程？
当前表现良好的大模型包括GPT、Gemini和Claude，其他模型在某些方面存在不足。
上下文工程的成功标准是什么？
上下文工程的成功标准是以更低的成本、更少的幻觉和更快的响应速度完成同样的任务。
➡️
