“情境工程”这个术语最近开始受到关注，成为“快速工程”的更好替代词。我喜欢它。我认为它可能具有持久力。
以下是Shopify 首席执行官 Tobi Lutke 的一条推文示例：
我真的很喜欢“上下文工程”这个术语，而不是提示工程。
它更好地描述了核心技能：为 LLM 能够合理解决的任务提供所有背景的艺术。
最近由 Andrej Karpathy进一步阐述：
“上下文工程”优于“提示工程”+1。
人们会把提示与你在日常使用中会给LLM提供的简短任务描述联系起来。在每一个工业级的LLM应用中，上下文工程都是一门精妙的艺术和科学，它需要用恰当的信息填充上下文窗口，以便下一步操作。之所以说是科学，是因为做好这件事需要任务描述和解释、少量示例、RAG、相关（可能是多模态）数据、工具、状态和历史记录、压缩[…] 做好这件事绝非易事。之所以说是艺术，是因为围绕LLM心理学中人性精神的指导直觉。[…]
我过去曾对“提示工程”赞不绝口——我希望这个术语能够捕捉构建可靠提示的内在复杂性。不幸的是，大多数人对它的理解是，它只是一个在聊天机器人里输入东西的可笑而自命不凡的术语！
事实证明，推断的定义才是有效的。我认为“语境工程”的推断定义可能更接近其本意。
标签： andrej-karpathy 、 prompt-engineering 、 generative-ai 、 ai 、 llm
原文： https://simonwillison.net/2025/Jun/27/context-engineering/#atom-everything