从提示词工程到上下文工程：PM视角下的AI演进指南

/

Tyde

随着AI的普及和能力提升，产品经理的关注点从将AI作为工具“使用”转向将其战略性地“嵌入”到产品中。这意味着产品经理不再只是AI输出的消费者，更是AI驱动体验的架构师。这种从“使用AI”到“构建AI”的转变，要求产品经理深入理解使AI有效的底层机制。

提示词工程（Prompt Engineering）作为解锁LLM能力的关键技能受到广泛关注。然而，最近Shopify首席执行官Tobi Lutke和前特斯拉AI总监Andrej Karpathy等领军人物的讨论表明，业界正逐步转向“上下文工程”（Context Engineering）。下面我们将从产品经理的视角，深入剖析这一演变，对这两个概念进行回顾并分析这一转变背后的逻辑，并阐述其对产品经理工作的深远影响。

1. 提示词工程：指导AI的艺术

提示词工程是一种设计和优化输入提示词（即问题或指令）的实践，旨在引导大型语言模型（LLM）生成特定、准确、相关、连贯且可用的响应。它充当了人类意图与机器输出之间的接口。一个精心设计的提示通常包含以下关键要素：

• 指令： 明确指示模型应执行的任务
• 上下文： 提供背景信息或场景，帮助模型理解更广泛的语境
• 输入数据： 模型需要处理的具体信息或数据
• 输出格式： 指导模型所需响应的风格或结构
• 角色： 为AI分配一个特定身份（如“以高级产品经理身份回应”）以定制响应
• 语气： 指定输出的情感或专业基调

提示词工程看似简单，实则是一项复杂的沟通技能，它将人类的认知过程（如循序渐进的推理或角色扮演）转化为机器可理解的指令。它的有效性在于直观地与LLM潜在的（尽管是涌现的）“认知”模式对齐。

通过精心设计提示词，我们可以激发AI的创造力。更重要的是，它通常是改进AI输出最快、最便捷的方式，无需昂贵的模型再训练或额外的基础设施投入。但它具有一定局限性：

• 模型依赖与不稳定： 提示词工程所学到的原则和技能往往高度依赖所使用的特定模型，难以泛化到所有AI模型。看似微不足道的措辞修改可能导致截然不同且不可预测的结果
• “黑箱”方法： 传统的提示词工程将AI模型视为“黑箱”，只关注精心措辞的指令，无法解决模型潜在的系统性问题（如幻觉），因为AI缺乏对自身能力、工具或操作环境的基本理解
• 歧义挑战： 在提示词中找到特异性与灵活性间的完美平衡很难。如果提示词过于模糊，响应可能变得不可预测；如果过于僵化，则会扼杀创造力