為什麼你的 AI 每次都像失憶？上下文工程才是關鍵
你大概聽過 Prompt Engineering，也就是怎麼把問題問好，讓 AI 給你有用的回答。
但 Context Engineering（上下文工程）換了一個切入角度：與其花時間琢磨怎麼問，不如先想清楚你餵了什麼東西進去。
上下文工程是什麼
想像公司來了一個新人，第一天上班。
你可以花半小時跟他講一段超精確的指令，告訴他每一步該怎麼做。但他還是不知道系統長怎樣、文件放在哪裡、之前的案子怎麼收尾。
另一個做法，是直接把相關的 wiki 頁面、上一版的設計文件，跟客戶最近的往來信丟給他，讓他自己看完再開工。
後面這個做法，就是 Context Engineering 在幹的事。
上下文工程的三個要素
1. 環境跟工具
AI 能不能存取你的 API、資料庫、內部系統？它能不能自己去撈資料，還是只能等你手動貼給它？
這會直接決定它是只能回答「眼前這一句」，還是能真的進入你的工作脈絡。
2. 知識來源
你決定讓它讀哪些東西、什麼時候讀、讀多少。
一份五十頁的文件全部塞進去，跟只塞相關的三段結果，效果會差很多。上下文不是越多越好，而是越相關越好。
3. 對話記憶
它記不記得你上次講過什麼、你偏好什麼、這個專案之前做過哪些決定？
如果每次開新對話都要重新解釋一次，那 AI 當然會像失憶。不是它不聰明，而是它沒有被給到能延續工作的記憶。
實踐上下文工程，馬上能做的三件事
1. 開對話前先貼背景，不要直接問問題
先花兩分鐘把相關檔案、截圖、錯誤訊息丟進去。
AI 回答的品質會直接跳一個等級。因為它不只是看到你的問題，也看到問題發生的環境。
2. 寫一份「AI 看的說明書」
把你反覆在講的事情寫成一份文件。
例如你慣用的工具、你討厭的寫法、你專案的架構。讓每次對話自動載入，不用再重講。
3. 把公司規則變成給 AI 的上下文
例如團隊裡大家重複跟 AI 解釋的東西：命名規則、API 格式、禁止用的套件。
這些規則可以統一寫成一份文件，所有人共用。一次維護，就能讓整個團隊的 AI 使用品質一起變好。
原文出自：threads連結
透過 Dusing 的邀請連結加入，可享早期成員限定價 $25 → $20.50／月，終身鎖價： 👉 Dusing 邀請折扣碼