上下文工程
Context engineering
学到 会用 就够：能亲手用起来
你可能会说
“我已经把要求写得很清楚，AI 仍把过期草稿与新方案混在一起；是不是问题出在它看到了哪些材料？”
上下文工程管理模型每一步实际收到的信息，包括规则、资料、历史、工具说明和状态；它关心选什么、何时放入，以及何时移出。
使用 AI
科研里的例子
修订课题设计时，只提供当前规范稿、已接受评审意见和必要证据；旧稿保留路径，遇到版本争议再读取相应片段。
复杂任务里，输入不是一段静态提示，而是不断增长的工作环境。设计者需要控制资料的新旧、来源和相关性，保留决策与未完成事项，按需读取文件，并避免重复工具结果挤占注意力。它与提示工程有交集，但还涉及检索、权限和状态管理。实践目标是让模型获得足够且可追溯的信息，不是让它一次看到整个资料库。
在你的学科里，直接拿去用
把模糊需求变成可执行任务
我不熟悉AI术语。请把我的需求转成明确的任务说明。 我的原话：[粘贴] 可用材料：[列出文件、表、链接或说明目前没有材料] 使用者与用途：[填写] 先用普通中文复述目标，再给需要时才用的关键中英术语。区分任务、输入、约束、输出和可检查的完成标准。若缺项会实质改变结果，最多问3个问题；其他假设明确列出。先交付任务说明，不擅自执行与改文件。方括号里的内容换成你自己的。来自知识增量《科研中英表达与 Prompt 指南》PG01
判断
亲手检查一次
让助手列出当前依据的文件版本和未解决问题，再检查关键约束是否保留；若版本混乱，先修输入再换提示措辞。
它做不到的
材料放进去了不代表被正确理解；摘要也可能丢失限制条件。上下文工程不能代替正文核验或研究者的最终判断。
增量，由你来写
读完这张，你的理解变了什么？
留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。