Context Engineering 是什么?和 Prompt Engineering 有什么区别?
下面是一段模拟面试对话。
🧑💻 面试官:Context Engineering 和 Prompt Engineering 有什么区别?
🙋♂️ 我:上下文工程就是把提示词写得更完整,多补一些背景。
🧑💻 面试官:假设提示词已经写了“修改前先阅读测试”,但模型拿到的输入里没有测试文件,你再加一句“认真阅读”,能解决吗?
🙋♂️ 我:不能。得让它找到测试,再把需要的内容读进来。
🧑💻 面试官:如果读进来的是旧分支的测试,或者中间漏掉了“不改接口”的要求呢?问题还是提示词不够好吗?
这道题的关键是「本轮输入」:指令写得好,还得保证模型在做决定时拿到了对的信息。
面试速答(60 秒版)
Prompt Engineering 主要解决“怎样把要求写清楚”。例如让模型修改代码之前先找测试、不要改变公开接口,这些属于指令设计。
Context Engineering,也就是上下文工程,考虑的范围会更大。它需要根据当前任务,决定这一轮给模型哪些指令、工具、代码、历史记录和记忆,并检查这些内容是否仍然有效。Anthropic 对两者的说明。
因此,两者并不是二选一。提示词是上下文的一部分,但上下文工程还要处理信息从哪里来、什么时候加载,以及任务执行以后下一轮应该补什么。
例如 AI 编程助手已经找到报错函数,下一轮就应该带上相关代码、调用方和测试,而不是继续塞整个仓库介绍。出现问题时,也需要检查模型实际看到了什么,不能只盯着系统提示词改。

知识点详解:一次模型调用之前,要准备哪些信息?
先把“写好了”和“看到了”分开
假设咱们在做一个编程助手。用户要求修复登录失败的问题,同时明确说:不要修改登录接口的返回格式。
开发者在系统提示词里写了“先找原因,再修改代码,最后运行测试”。这句话已经说明了做事顺序,但它并没有告诉模型登录代码在哪里、报错是什么,也没有自动把用户的限制保存到后面的每一轮。
所以,指令设计完成以后,应用还要准备这次调用的输入。
这份输入可以包括用户目标、不能改动的地方、刚拿到的报错、相关代码,以及当前允许使用的工具。这里说的是一种应用设计,不是某个框架规定的固定字段。
如果返回格式限制根本没进输入,那么模型下一轮即使很认真,也可能朝错误方向继续做。
上下文组装会随着执行结果变化
第一轮,应用只知道“登录失败”。可以先给模型报错和代码目录,让它决定去哪里查。
工具找到了登录函数以后,下一轮就有了新的信息。此时需要读取这个函数,再根据调用关系补上参数从哪里来、返回值被哪里使用,以及相关测试。
| 执行阶段 | 这一轮需要补充什么 | 不必重复搬进来的内容 |
|---|---|---|
| 刚接到任务 | 目标、限制、报错、目录线索 | 与登录无关的全部业务说明 |
| 找到可疑函数 | 真实代码、调用方、相关测试 | 大量已确认无关的搜索结果 |
| 准备交付 | 修改内容、测试结果、未解决事项 | 所有探索过程的原始输出 |
注意,用户的目标和限制不是“上一轮出现过就够了”。它们仍然影响后面的决定,需要以可靠的方式继续提供;真正执行写操作时,应用还要独立校验权限。
这就是上下文工程需要跟着任务循环处理的原因。工具返回新结果以后,应用不能只是把结果追加到一份越来越长的聊天记录里。

图示为假设排错过程;输入内容会变化,仍有效的任务限制应持续保留。
信息多,不代表信息准备得好
继续看这个例子。假设仓库索引返回了三个登录函数,其中一个已经删除,另一个属于测试工具。
如果应用把三个结果都当作当前代码交给模型,问题不是“背景太少”,而是背景的适用条件没说清。
可以在候选结果里保留文件路径和版本,再读取当前工作区文件核对。用户指定不能改变的接口,也应该和普通历史讨论分开标识,避免被旧方案淹没。
对于这里的编程助手,完整仓库不必一次进入输入。先给定位线索,再按需读取文件,是一种可行做法。每次读取会多花时间,所以已有明确入口时,可以直接提供相关文件,不必让模型从零找起。
上下文工程做的是这些选择,不是追求“输入越短越好”,也不是“输入越全越好”。
面试官继续追问
怎样证明是上下文的问题,而不是模型太弱?
先保留一次失败调用的实际输入,检查正确代码和用户限制有没有出现。
如果缺了必要信息,可以只补齐这些信息,保持模型、任务和其他配置不变,再看结果。若证据已经完整,还需要检查指令是否矛盾、模型是否错误理解,以及工具返回是否可信。
这种对照能缩小问题范围,但一次成功不能证明某种组装策略普遍有效。还要用多种任务做回归。
上下文窗口变大以后,这些工作能不能省掉?
不能完全省掉。
大窗口可能让应用少裁剪一些内容,但不会替应用判断哪个分支有效,也不会知道哪份资料已经过期。输入容量和信息适用性是两件事。
应该记录什么,才能方便排查?
这类应用可以记录任务版本、实际注入的文件与内容版本、缺失信息、模型输出和工具结果。涉及用户信息时应脱敏,并限制查看范围。
评测时除了任务能否完成,还要看必要证据有没有进入输入、无关内容占了多少,以及增加读取步骤后耗时和成本是否值得。
面试速记卡
- Prompt Engineering:把任务要求和行为指令写清楚。
- Context Engineering:准备和维护每一轮模型实际看到的信息。
- 关系:提示词是上下文的一部分,两者不是替代关系。
- 排错:先检查实际输入,再判断要改指令、检索还是模型。
- 边界:上下文中的限制不能替代应用执行层的权限校验。
公司面试真题
真题根据求职者公开面经整理,题意经过概括,非逐字原话或公司官方题库;本文为 Sunday 的独立解析。
字节跳动 · 后端Agent开发 · 实习
提示词工程和上下文工程有什么区别?(题意整理)
字节后端agent开发实习一面 1h ↗
页面显示 04-19 发布,未明确年份懂车帝 · AI Agent开发 · 27届秋招(原帖标题)
Agent 上下文工程是什么,在实际应用中解决什么问题?(题意整理)
27秋招懂车帝AI Agent一面面经 ↗
页面显示 08-28 发布,未明确年份;原帖标题为 27 届秋招腾讯 · 后台开发(含 Agent 项目) · 原帖未明确批次
上下文有哪些组成部分,怎样做上下文工程并防止上下文过长?(题意整理)
补个第一次面试的凉经 ↗
页面显示 06-02 编辑,未明确年份