上下文工程比提示词工程好 10 倍，比 vibe 编码好 100 倍！Karpathy 站台，堪称「全新的氛围编码」。

以前的文章有介绍：“Vibe Coding”，就是用自然语言让 AI 动态生成代码，快速搞出应用原型。

这词是 Andrej Karpathy 提出来的，很形象地抓住了软件开发的新趋势。

现在，Karpathy 又提了个新概念，叫 Context Engineering (上下文工程)。

Shopify 的 CEO Toby 在推特上说，他更喜欢“上下文工程”这个词，而不是“提示词工程”。

图片

他觉得，这个词更好地描述了核心技能：为任务提供所有上下文，让大语言模型能靠谱地解决问题。

Karpathy 接着补充说，现在不再是比谁的提示词写得巧了，而是要做“上下文工程”——你得仔细地筛选、组织好精准的信息，让大模型能发挥出最佳水平。

图片

这是一种融合了科学、直觉和系统设计的复杂活儿，远不是那些所谓的“ChatGPT 套壳”能比的。

咱们正在进入一个新阶段，上下文工程可能会成为 AI 辅助开发的核心技能。

就像 Vibe Coding 改变了原型制作一样，上下文工程，正准备改变我们思考、构建和与 AI 系统协作的方式。

但这事儿为啥会提出来呢？

有个叫 CodiumAI 的机构做了个研究，关注 AI 代码质量。他们调查了大量开发者，发现一个事儿特别突出：

76.4% 的开发者，不相信没经过人肉审核的 AI 生成代码。

主要原因，就是 AI 的幻觉和错误还是太多了。问题不在于 AI 写代码不行，而在于 AI 写的东西没经过审核就直接用了。

现在 AI 编码工具最大的短板，就是 上下文。AI 常常没有足够的上下文，大部分时候完全抓不住重点。

这就是为什么我之前介绍过Taskmaster、Context7 这些工具。 10+ 个神级MCP推荐 AI 写代码总是翻车？Upstash 创始人怒推 Context7

没有这些工具，AI 就拿不到生成正确代码所需要的上下文。所以，上下文工程这事儿，很重要。

我们不光需要更好的 AI，更需要更好的结构、更好的方法，把正确的信息喂给 AI，让它能成功地生成我们想要的东西。

我们后文会介绍一个“上下文工程”的开源项目，可以配合Claude Code、Cursor等AI助手使用。

提示工程PromptAI上下文工程文档示例规则模式AI

上下文工程，跟传统的提示词工程，是两种思路：

提示词工程

• 关注怎么巧妙地措辞。
• 局限于你怎么描述一个任务。
• 就像给人递了张便利贴。

上下文工程

• 是一套提供完整上下文的系统。
• 包括文档、示例、规则、模式和验证。
• 就像写了个完整的剧本，细节全有。

为啥上下文工程这么重要？

1. 减少 AI 犯错: 大多数 AI Agent 的失败，不是模型不行，是上下文没给够。
2. 保证风格统一: AI 会遵循你项目的模式和惯例。
3. 搞定复杂功能: 有了合适的上下文，AI 能处理多步骤的实现。
4. 自我修正: 通过验证循环，AI 能自己修复错误。

AI Agent 要想干活，就得有上下文。上下文工程，就是一门艺术，也是一门科学。它研究的，是在 Agent 运行的每一步，怎么恰到好处地把正确的信息，塞进它的上下文窗口里。

用上下文工程，你会用到所有这些不同的上下文。 几种常见策略——编写、选择、压缩和隔离。

图片

OS / 上下文工程师LLM (CPU)上下文 (RAM)

Andrej Karpathy 打了个比方，特别形象。他说，LLM 就像一种新的操作系统。大模型本身，是 CPU。它的上下文窗口，就是内存 (RAM)，是模型的工作记忆。内存这玩意儿，容量是有限的，你不能啥都往里塞，会爆掉。操作系统干啥的？就是个管家，决定什么东西在什么时候放进内存。我们现在要做的，就是给 AI 当这个“操作系统”的管家。这就是“上下文工程”。

用 Karpathy 的话说，这就是“……在智能体的下一步行动前，把恰到好处的信息塞进上下文窗口的精妙艺术和科学。”

上下文，是模型在生成任何东西之前看到的一切。这包括：状态、历史记录、用户提示、可用工具、RAG 指令、还有长期记忆。有了这么完整的上下文，模型就能在一个地方参考所有这些东西，得到结构最好的输出。

本质上，就是要在正确的时间，一步步地把必要、有用、结构化的信息喂给 AI，找到那个完美的平衡点。

推荐阅读：https://blog.langchain.com/context-engineering-for-agents/

图片

好了，我们来看上下文工程具体的Github项目实践。

https://github.com/coleam00/context-engineering-intro/

项目名叫：Context Engineering Template (上下文工程模板)。还挺新鲜，4天前发的，现在有1k多Star。

这是一个教你怎么上手“上下文工程”的完整模板。简单说，就是教你怎么给 AI 编码助手“工程化地”提供上下文，让它有足够的信息，能从头到尾把活儿干完。

和以前说的 Taskmaster MCP类似。

图片

项目描述：上下文工程是新的 vibe 编码 - 它是真正让 AI 编码助手工作的方式。Claude Code 是最合适的，但你可以将这个策略应用于任何 AI 编码助手！ 这玩意儿比提示词工程好 10 倍，比 Vibe Coding 好 100 倍。

这个模板能帮你跟任何 AI 编码助手一起用，但它本身是为 Claude Code 设计的。

图片

它能让 Claude Code 更灵活、生成更精准、用更少的 token，总之就是能让你得到更好的生成结果。用之前，你得先装好 Git、Node.js，还有 Claude Code 本身。都装好后，去这个模板的 GitHub 仓库，把仓库克隆下来。

# 克隆这个模板 git clone https://github.com/coleam00/Context-Engineering-Intro.git cd Context-Engineering-Intro

然后要使用它 总共就四步，一步步教你用

1设置全局规则 (`CLAUDE.md`)

`CLAUDE.md` 文件包含项目范围的规则，AI 助手在每次对话中都会遵守。模板里包含了：

• 项目意识
• 代码结构
• 测试要求
• 风格惯例
• 文档标准

你可以直接用模板里的，也可以根据你的项目自己改。

图片

2创建你的初始功能请求

编辑 `INITIAL.md`，描述你想做什么：

## FEATURE: [描述你想做什么 - 功能和需求要具体] ## EXAMPLES: [列出 examples/ 文件夹里的示例文件，解释怎么用] ## DOCUMENTATION: [放上相关文档、API 或 MCP 服务器资源的链接] ## OTHER CONSIDERATIONS: [提一下有哪些坑、特定要求，或者 AI 助手常忽略的事]

可以参考 `INITIAL_EXAMPLE.md` 看个完整的例子：

图片

3生成 PRP (产品需求提示)

PRP 是一个全面的实现蓝图。它跟 PRD (产品需求文档) 类似，但更具体，专门用来指导 AI 编码助手。在 Claude Code 里运行:

/generate-prp INITIAL.md

注意: 这些斜杠命令是定义在 `.claude/commands/` 里的自定义命令。你可以看看它们的实现：

图片

4执行 PRP

PRP 生成好后，执行它来实现你的功能：

/execute-prp PRPs/your-feature-name.md

AI 编码助手会读取所有上下文，创建并执行详细的实现计划，直到所有测试通过。

进阶技巧：`examples/` 文件夹

`examples/` 文件夹对成功 比较重要。AI 编码助手看到有模式可循时，表现会好得多。

图片

示例结构：

examples/        ├── README.md        ├── cli.py        ├── agent/        │   ├── agent.py        │   ├── tools.py        │   └── providers.py        └── tests/            ├── test_agent.py            └── conftest.py

最佳实践

• 在 `INITIAL.md` 里说清楚: 别假设，写具体，多引用。
• 提供全面的示例: 越多越好，包含正反例和错误处理。
• 用好验证关卡: 在 PRP 里包含测试命令，确保一次拿到可用代码。
• 善用文档: 提供官方 API 文档和 MCP 资源。
• 定制 `CLAUDE.md`: 加上你的项目惯例和编码标准。

Anthropic关于提示工程的最佳免费实践指南：https://github.com/anthropics/prompt-eng-interactive-tutorial

图片

下面这篇文章末尾还有 CC 有关的提示工程和技巧。 乐天用 Claude Code 给开发“上大分”，新功能上线从 24 天缩到 5 天，7 小时自主编码 1250 万行代码库！

ONE MORE THING

最后，看个视频歇会吧

，时长02:21

图片

这个作品完全使用 Hailuo 02 构建 

参考链接：https://www.youtube.com/watch?v=uohI3h4kqyg