一、认知基础：LLM 是预测引擎，不是推理引擎
在学任何技术之前，先理解这个根本原理：LLM 的本质是预测下一个 token，它基于训练数据中的统计规律，预测在当前输入之后最可能出现的文字序列。
这意味着：你给它的每一个字，都在影响它的预测方向。你提供的信息越精准、越相关，它的输出就越符合你的期望。这是提示工程和上下文管理所有技术的共同出发点。
二、演进路线：三个阶段
2023年：Prompt Engineering
关注：指令怎么写、Few-shot 示例、CoT 技巧
场景：一次性任务，单轮对话
2024年：Agentic Workflow
关注：工具链设计、循环执行、自我纠错
场景：多步骤任务，工具调用
2025-2026年：Context Engineering
关注：记忆管理、动态检索、Token 优化
场景：长时程 Agent，多轮自主执行这不是"替代"关系，而是叠加关系。2026 年的工程师需要同时掌握三个层次。
三、提示工程核心技术（2025 年仍然有效的基本功）
3.1 清晰直接（最高优先级）
黄金法则：把你的 prompt 给一个完全不了解任务的同事看，如果他看不懂，模型也会懵。
四个要点：给足上下文（任务用途、目标受众、成功标准）、明确输出格式、用编号步骤给指令、控制详略程度。
# ❌ 模糊
写一封营销邮件
# ✅ 精确
为 Q3 功能发布写一封营销邮件：
目标受众：100-500 人的中型科技公司
重点功能：数据加密、跨平台同步、实时协作
语气：专业但平易近人
CTA：免费 30 天试用
结构：主题行（50字内）→ 正文（150-200字）→ 按钮文案3.2 Few-Shot 示例（多样本提示）
提供 2-5 个精心设计的输入/输出示例，效果远超任何冗长的文字解释。Google 白皮书明确指出：3-5 个例子胜过任何说明。用 <example> 标签包裹，覆盖边缘情况。
3.3 Chain of Thought（思维链）
让模型有空间一步步推理，显著提升复杂任务准确性。三个层级：
基础 CoT：加一句 "Think step-by-step"，简单粗暴但有效。
引导 CoT：列出具体推理步骤，告诉模型先做什么再做什么。
结构化 CoT（生产环境推荐）：用 XML 标签分离推理过程和最终答案，方便程序解析。
xml
在 <thinking> 标签中推理，在 <answer> 标签中给出最终答案。
<thinking>
第一步：分析投资期限（5年）和资金用途（房屋首付）
第二步：计算两个选项的预期收益
- 股票 12% 年化：$10,000 × 1.12^5 = $17,623
- 债券 6% 保证：$10,000 × 1.06^5 = $13,382
第三步：考虑风险承受能力...
</thinking>
<answer>推荐债券，原因如下...</answer>注意：CoT 会增加输出长度，影响延迟。简单查询不需要 CoT。
3.4 XML 标签结构化
当 prompt 包含多个组件时，XML 标签能防止模型混淆不同部分。Claude 对此有专门训练，效果尤为突出。
常用标签模式：<instructions> 任务步骤、<data> 输入数据、<examples> 示例集合、<thinking>/<answer> 推理分离、<document> 多文档场景、<findings>/<recommendations> 结构化输出。
3.5 角色扮演（Role Prompting）
通过 system prompt 赋予模型特定角色，把通用助手变成领域专家。
python
response = client.messages.create(
model="claude-opus-4-6",
system="You are the General Counsel of a Fortune 500 tech company.",
messages=[{"role": "user", "content": "分析这份合同的法律风险..."}]
)无角色：「该协议看起来比较标准」。有角色（总法律顾问）：发现赔偿条款可能让你为供应商过失负责、$500 责任上限严重不足、联合 IP 所有权可能让供应商出售你的专有算法。
3.6 Prompt 链（Prompt Chaining）
把复杂任务拆成多个聚焦的子任务，每步的输出作为下一步的输入。独立子任务可以并行执行，只有当输出依赖前一步时才需要串行。
自我纠错链是最实用的模式：生成 → 审查（A-F 评分）→ 改进。审查步骤能稳定发现人工编辑才能发现的问题。
3.7 Self-Consistency（自我一致性）
让模型对同一问题生成多个不同答案，通过多数投票选出最一致的那个。减少随机性，提升推理可靠性，适合高精度要求的场景。
3.8 Meta Prompting（元提示）
让模型先为自己生成最优 prompt，再执行任务。2025 年还是"高级技巧"，2026 年已经是很多 Agent 框架的标准组件。
先为自己创建一个最优的 prompt，用于解释气候变化的成因和影响，
然后按照这个 prompt 执行任务。3.9 Extended Thinking（扩展思考）
推理模型（Claude 3.7 Sonnet、o3、DeepSeek-R1）内置了大量内部推理能力。使用原则：给高层目标而非详细步骤，从最小 thinking budget（1024 tokens）开始按需增加，适合高度约束的优化问题、STEM 难题、战略分析。
四、上下文管理：2025-2026 年的核心战场
4.1 为什么上下文管理比 Prompt 更重要
Context Rot（上下文腐烂）：随着 token 数量增加，模型对早期信息的准确召回能力会下降。这是 Transformer 架构的根本性限制------n² 的注意力机制意味着上下文越长，每个 token 分到的"注意力预算"越少。
即使上下文窗口已经扩展到 200K 甚至 2M tokens，这个问题依然存在。所以上下文必须被当作有限资源来精心管理，而不是无限塞入。
Gartner 2025 年报告的判断：AI 开发的重心已从"编写更好的提示词"转移到"工程化更好的上下文"。
4.2 上下文的七大组成要素
一个完整的 Agent 上下文包含：系统指令（定义角色和行为边界）、用户输入（当前任务）、历史对话（工作记忆）、长期记忆（数据库存储的项目知识和用户偏好）、外部检索信息（RAG 结果）、可用工具定义（工具集）、输出结构要求（格式约束）。
管理好这七个要素的质量和比例，就是上下文工程的核心工作。
4.3 四大核心策略
① 选择（Selection）：不是所有背景信息都有用。根据当前任务意图，从海量数据中挑选最相关的部分。不仅搜索文件名，还要包含引用链上的相关类；注入项目技术栈、版本号等元数据。
② 检索（Retrieval）：超越基础向量搜索（RAG）。混合检索（关键词 + 语义向量）+ 重排序（先检索 100 条，再用轻量级模型选出最相关的 5 条）。2026 年的主流是"即时检索"（Just-in-Time）：Agent 维护轻量级索引（文件路径、查询语句、链接），在运行时按需加载，而不是预先把所有数据塞进上下文。
③ 压缩（Compression）：即使有超长上下文窗口，压缩依然必要。语义总结（将冗长对话历史压缩为核心要点）、关键信息提取（去除 HTML 标签、冗余日志，只保留业务逻辑）、Prompt Caching（缓存已处理的上下文，大幅降低延迟和成本）。
④ 持久化（Persistence）：通过 CLAUDE.md 或类似机制，将项目的核心决策、编码规约、架构约定显式化存储。无论对话进行多少轮，Agent 始终知道"我们的规则是什么"。Git 提供跨会话的优秀状态追踪。
4.4 System Prompt 的"正确高度"
System Prompt 要找到 Goldilocks Zone（恰到好处的区间）：
一端是过于具体 ------硬编码复杂的 if-else 逻辑，创造脆弱性，维护成本极高。另一端是过于模糊------高层指引缺乏具体信号，模型无法准确判断期望行为。
正确的高度是：足够具体以有效引导行为，足够灵活以提供强启发式规则 。推荐用 XML 标签或 Markdown 标题组织 System Prompt 的不同部分（<background_information>、<instructions>、## Tool guidance、## Output description）。
4.5 工具集设计原则
工具集要精简，功能不重叠。判断标准很简单：如果人类工程师都说不清该用哪个工具，AI 也不会做得更好。
工具描述要极度清晰，输入参数要描述性强、无歧义。最常见的失败模式是工具集过于臃肿，覆盖功能太多，导致 Agent 在模糊的决策点上反复犹豫。
4.6 长上下文的三个实用技巧
把长文档放在 prompt 最前面，查询和指令放最后------测试表明这能提升响应质量最多 30%。
多文档场景用 <document index="1"> 标签组织，让模型知道每段内容来自哪个来源。
让模型先引用相关段落再作答，强迫它"找证据再推理"，大幅减少幻觉。
五、2026 年的新增内容
5.1 MCP 成为基础设施
Anthropic 推出的 Model Context Protocol 在 2026 年已经广泛普及，标准化了 Agent 与外部工具/数据源的连接方式。现在"提示工程"的一部分工作变成了设计 MCP 工具的接口描述------工具描述写得好不好，直接决定 Agent 会不会正确调用它。
5.2 LLM-as-a-Judge
用另一个 LLM 来评估当前 LLM 的输出质量，替代人工评估。74% 的企业正在向集中式 Prompt 库迁移，配合自动化评估流水线，让 Prompt 优化从"手工艺"变成"工程流程"。
5.3 多 Agent 协作的上下文边界
单 Agent 的 prompt 设计已经成熟，2026 年的新挑战是：多个 Agent 之间如何传递上下文？Orchestrator（编排者）和 Subagent（执行者）的信息边界怎么划？每个 Agent 只应该看到它完成任务所需的最小信息集。
5.4 推理模型改变了 CoT 的使用方式
o3、DeepSeek-R1、Claude 3.7 Sonnet 等推理模型内置了 CoT，用户不再需要手动写"think step by step"。反而需要学会给推理模型提供高层目标而非详细步骤------过于详细的步骤反而会限制模型的推理路径，降低效果。
六、Prompt vs. Context Engineering 对比
| 维度 | Prompt Engineering | Context Engineering |
|---|---|---|
| 关注点 | 指令格式、语气、示例模板 | 背景数据、检索精度、信息密度 |
| 主要挑战 | 模型对指令的敏感度 | Token 窗口限制、检索噪音、延迟 |
| 解决手段 | 精细化文本写作 | 向量数据库、重排序、图谱检索 |
| 适用场景 | 单次任务、固定格式输出 | 多轮 Agent、长时程自主执行 |
| 代表技术 | CoT、Few-Shot、XML 标签 | RAG、Memory 管理、Prompt Caching |
| 重要性趋势 | 随模型能力提升而降低 | 随 Agent 复杂度提升而增加 |
七、技术选择速查
任务类型？
│
├── 单次任务，格式固定
│ └── 清晰直接 + Few-Shot + XML 标签
│
├── 需要复杂推理
│ ├── 普通模型 → 结构化 CoT（<thinking> 标签）
│ └── 推理模型（o3/R1/Claude 3.7）→ 给高层目标，让模型自己推理
│
├── 多步骤复杂任务
│ └── Prompt 链（含自我纠错）
│
├── 需要外部知识
│ └── RAG + 混合检索 + 重排序
│ 长文档放最前，查询放最后
│
└── 构建 AI Agent（多轮、自主）
└── Context Engineering
├── System Prompt 找正确高度
├── 工具集精简，功能不重叠
├── 即时检索（Just-in-Time）
├── 记忆分层（工作/长期/环境）
└── 压缩 + 持久化（CLAUDE.md）八、一句话总结
2025 年：提示工程的基本功（CoT、Few-Shot、XML、角色、链式）依然有效，但真正的竞争力开始转向上下文管理------理解 LLM 的注意力预算限制，在 Agent 场景下精心设计信息的流动方式。
2026 年 ：Prompt 本身越来越"廉价"（模型理解自然语言的能力趋于完美），高质量的上下文管理能力越来越"昂贵"。谁能为 AI 提供最干净、最相关、最有逻辑的上下文，谁就赢得了竞争优势。核心公式变成了：好的 Agent = 好的上下文设计 + 精简的工具集 + 合理的记忆架构。