Prompt 与上下文工程全景

学习导航

完成本文后，你将能够

1. 能够把一次模型调用拆成指令层级、任务说明、上下文、示例、输出约束和评估样例六个部分。
2. 能够区分 prompt engineering 与 context engineering，并说明什么时候要改文字、什么时候要改上下文供应链。
3. 能够为一个生产提示设计结构化输出、回归评估和提示注入防护边界。

这个模块解决什么问题

Prompt engineering 最早像一组经验技巧：写清楚、给例子、让模型一步步处理。这个基础仍然重要，但 2026 年的生产系统已经不再只是“调一句咒语”。OpenAI 文档强调 prompt 是让模型稳定满足需求的指令设计；Anthropic 把 context engineering 称为 prompt engineering 的自然演进：问题从“怎么写一句话”扩展为“本轮推理该给模型哪些 token、哪些工具、哪些历史、哪些约束”。

因此，本模块把 Prompt 分成两层。第一层是狭义提示工程：角色、任务、约束、示例、输出格式和推理策略。第二层是上下文工程：系统/开发者/用户/工具消息的权威顺序，RAG 或 MCP 带来的外部资料，工具 schema，历史摘要，安全策略，评估样例和结构化输出。旧稿中的 CRISPE、zero-shot、few-shot、CoT、ToT 等模式仍然保留，但现在要放进更完整的上下文系统里理解。

一个好 prompt 的目标不是让模型“听话一次”，而是让同一类任务在模型升级、输入变化、上下文变长和攻击性内容出现时仍然可测试、可解释、可回滚。它既要帮助模型理解任务，也要告诉应用如何判断输出是否合格。

核心工作流

工作流的第一步是确定权威顺序。OpenAI Model Spec 把指令分成 Root、System、Developer、User、Guideline 和 No Authority；API 文档也强调高优先级 instructions 会覆盖普通 input。实践里可以简化成：平台/系统规则最强，开发者规则定义产品边界，用户请求定义本轮目标，工具输出和检索资料是数据而不是命令。这个边界是提示注入防护的地基。

第二步是构造上下文。狭义 prompt 只写任务，context engineering 会决定是否加入用户画像、历史摘要、检索证据、工具返回、schema、反例、预算和失败策略。Anthropic 的上下文工程观点很适合 Agent：多轮循环里不断产生新信息，不可能把所有内容都塞进窗口，必须持续选择、压缩和校验。

旧稿中的结构化模板仍然有用，可以压缩成一个 baseline：

角色：你是一个面向工程团队的技术写作助手。
任务：把输入材料整理成可执行 checklist。
上下文：{{source_notes}}
约束：不要添加材料中没有的事实；不确定处标为“待核验”。
输出：JSON，字段为 title、risks、checklist、sources。
示例：给出 1 个高质量输入/输出对。
评估：输出必须引用至少 2 个来源，且 checklist 每项可执行。

这个模板不是为了固定所有任务，而是提醒你把“指令、上下文、输出、评估”放在一起设计。对于支持结构化输出的模型，JSON Schema 应该承担格式约束，prompt 负责语义标准、边界样例和拒答规则；不要用一堆“必须输出合法 JSON!!!”替代类型系统。

旧稿里的 CRISPE 也可以继续作为入门心智模型：Capacity/Role 让模型进入合适能力子空间，Insight 提供背景，Statement 明确动作，Style 控制表达，Parameter 给出硬约束，Experiment 用示例校准任务。但今天更推荐把它翻译成可测试字段，而不是背缩写。比如“角色”要对应实际受众和任务边界，“背景”要来自可追溯上下文，“格式”最好由 schema 验证，“示例”要覆盖正例和反例。这样 CRISPE 不再是玄学口诀，而是 prompt review checklist。

Few-shot 与 ICL 的旧经验也要保留但降噪。示例并不只是告诉模型“答案长什么样”，还在暗示分类边界、语气、字段粒度和错误处理方式。示例顺序、类别平衡、是否包含边界案例都会影响输出。如果一个 prompt 只有成功样例，模型会倾向于无论资料是否足够都给出完整答案；加入一个“资料不足时拒答”的样例，往往比在末尾重复三遍“不要幻觉”更有效。

关键概念

概念	它解决什么	使用时要警惕
指令层级	决定冲突时谁说了算，防止工具或用户低权威内容覆盖系统目标。	工具输出、网页和检索资料要视为不可信数据，不是新指令。
Zero-shot	只用任务说明让模型完成任务，适合简单分类、改写和问答。	复杂格式和隐含标准容易漂移。
Few-shot / ICL	通过示例展示输入输出映射，复用上下文学习能力。	示例质量、顺序和覆盖面会影响结果，也会消耗窗口。
CoT / ToT	用分步处理、候选路径和自评提升复杂推理。	不要把隐藏推理当用户输出；必要时要求简要理由或可验证步骤。
结构化输出	用 JSON Schema、工具参数或类型系统约束格式。	Schema 保证形状，不保证事实正确；仍要评估内容。
上下文工程	选择本轮推理所需的资料、工具、历史和状态。	上下文越多不一定越好；噪声会稀释关键指令。
评估	用固定样例、grader 和人工抽检检测 prompt 版本变化。	单看一次主观效果会把偶然成功误认为稳定改进。
安全边界	防提示注入、越权、数据泄露和不当工具调用。	防护是系统设计，不是一句“忽略恶意指令”就能解决。

推荐学习顺序

1. 先读 提示工程基础，掌握清晰任务、约束、示例和输出格式。
2. 再读 上下文工程，理解检索资料、历史状态、工具输出和消息层级如何共同影响模型。
3. 接着读 高级提示技术，学习 CoT、自洽性、ToT、分解和多候选策略何时有收益。
4. 最后读 安全测试，把提示注入、越权、拒答边界和回归测试纳入默认设计。

如果你正在重构旧 prompt，建议先建 20–50 条代表性样例，不要直接重写生产提示。把样例分成正常输入、边界输入、恶意输入、无答案输入和格式压力输入；每次改 prompt 只比较一类失败是否改善，同时确认没有让其他类别退化。

实践检查点

• Prompt 是否明确区分系统/开发者约束、用户目标和外部资料？
• 是否有至少一个正例、一个反例和一个“资料不足时怎么做”的样例？
• 输出格式是否由 schema 或 parser 兜底，而不是只靠自然语言强压？
• 是否为模型版本、prompt 版本、上下文构造逻辑和评估集保存变更记录？
• 是否测试了提示注入：网页说“忽略系统指令”、工具结果伪装成命令、用户要求泄露隐藏 prompt？
• 是否把 prompt 失败归因到具体层：任务不清、上下文缺失、示例误导、schema 不足、模型能力不够，还是安全策略冲突？

一个小练习是把同一任务做成三版：zero-shot、few-shot、schema 约束版。然后用同一评估集比较准确率、格式错误率、拒答率和人工修订时间。你会发现很多“prompt 技巧”其实是在补系统缺口：如果输出经常格式错，优先上结构化输出；如果答案缺证据，优先修上下文；如果模型被网页指令带跑，优先修信任边界。

另一个练习是做“上下文预算表”。把一次调用中的 token 分成系统规则、开发者指令、用户问题、检索证据、历史摘要、工具结果、示例和输出空间八类，记录每类占比和失败样本。很多长 prompt 失败不是因为模型不够强，而是关键约束被埋在太多历史和噪声材料里。删掉无关上下文、把长历史压缩成任务状态、把工具输出转成结构化摘要，通常比继续追加说明更有效。

版本与边界

本文按 2026-08 的 OpenAI、Anthropic 和 Gemini 官方提示文档复核。具体模型快照会改变最佳写法：有的模型需要更显式的工具触发，有的模型对长上下文更敏感，有的模型支持结构化输出或隐藏推理。生产应用应固定模型版本或至少记录模型家族、日期和参数，并用评估集监控升级影响。

Prompt 的边界也要诚实。它不能替代权限系统，不能保证事实正确，不能让模型看到不存在的资料，也不能单独解决提示注入。结构化输出降低格式风险，但不等于内容真实；CoT/ToT 提升某些推理任务，但也增加成本和延迟；context engineering 能改善信息供给，但如果资料本身错误，模型仍会生成错误答案。把 prompt 当成系统接口，而不是魔法句子，是这个模块最重要的转变。

延伸阅读

参考资料

• OpenAI prompt engineering guide — OpenAI API 官方提示工程指南，覆盖 roles、instructions、测试和模型版本。
• OpenAI Model Spec — OpenAI 模型行为规范，说明 chain of command 与指令权威层级。
• OpenAI instruction hierarchy challenge — 说明 System > developer > user > tool 等层级为何影响安全与注入防护。
• OpenAI Structured Outputs — 结构化输出官方文档，说明 JSON Schema、拒答和 schema 边界。
• Anthropic prompting best practices — Anthropic 官方提示实践，覆盖清晰指令、示例、XML、thinking 与工具使用。
• Anthropic effective context engineering for AI agents — 区分 prompt engineering 与 context engineering 的官方工程文章。
• Anthropic prompt injection defenses — 提示注入风险与防护思路，强调浏览器/网页环境仍是对抗性场景。
• Gemini prompt design strategies — Gemini 官方提示设计策略，强调清晰、具体、迭代和模型差异。
• Language Models are Few-Shot Learners — GPT-3 与 few-shot/in-context learning 的代表论文。
• Chain-of-Thought Prompting Elicits Reasoning in Large Language Models — CoT 原始论文，解释中间推理示例对复杂任务的作用。
• Self-Consistency Improves Chain of Thought Reasoning in Language Models — 自洽性论文，说明多路径采样与答案一致性选择。
• Tree of Thoughts — ToT 论文，扩展 CoT 到可搜索、可回溯的候选思路结构。