两年前「提示词工程师」还是个正经岗位现在很多人说 Prompt Engineering 已经过时了。这个说法对了一半单句咒语式的提示词技巧确实在贬值但它演化成的上下文工程Context Engineering重要性反而在上升。为什么单句技巧在贬值早期模型对提示词极其敏感加一句「让我们一步一步思考」正确率就上升换个措辞结果就不同。于是催生了大量玄学技巧——角色扮演、魔法咒语、情绪刺激。随着模型能力增强这些技巧的边际收益快速衰减。新一代模型对自然语言的意图理解已经足够好你正常把需求说清楚效果就接近最优。还在打磨咒语的团队优化空间通常不到百分之一。上下文工程才是主战场现代 AI 应用的效果差异主要来自模型每轮「看到什么」。这个上下文包括系统指令、对话历史、检索到的资料、工具返回结果、记忆片段。把这几块怎么组织、裁剪、排序、压缩做对效果差异是数量级的。举一个真实场景客服 Agent 的上下文里如果用户历史工单放在检索内容之前模型容易拿旧工单当现状回答调整顺序、只注入最近三条工单摘要、再压缩系统指令里的冗余规则回答准确率立刻改善。这些工作与措辞无关是信息架构问题。上下文工程的四个实操原则一是信息分层系统指令放稳定规则动态知识走检索注入别把会变的内容硬编码进提示词。二是结构清晰用明确的分段标记把不同来源的信息隔开模型对结构化上下文的遵循度更高。三是动态裁剪对话历史按相关性保留旧轮次压缩成摘要工具返回结果只保留关键字段全量塞入是上下文爆炸的头号原因。四是建立评估集把典型场景做成固定的测试用例每次改上下文结构都跑一遍。没有评估的上下文调优跟没有测试的重构一样危险。结论Prompt Engineering 没有过时它是上下文工程的子集。当你的应用只有一次裸调用时打磨提示词当它演化成带检索、工具、记忆的系统时你要管理的对象是整个上下文。名称在变内核没变模型的输出质量取决于你喂给它的信息质量。