M3-L1 · 上下文工程：设计你给 AI 的整个信息环境
适合谁读这节课
适合：BROKE 框架用熟了，每次 AI 输出都还不错，但感觉 AI"不够了解我"，或者每次对话都要重新说背景的人。
不适合：还没完成模块 2 的人——这节课是模块 2 的进阶，需要你先有基础操作经验。
读完这节课你能做到什么：从"写一个好提示词"升级到"设计一个好的 AI 工作环境"——让 AI 在整个任务过程中，都能在你设定的语境里工作。
从"提示词"到"上下文工程"
模块 2 教的是：怎么写一个好的提示词。
模块 3-L1 要往上走一步：怎么设计整个信息环境，让 AI 在这个环境里持续产出好结果，而不只是在某一条提示词里偶尔表现好。
这个"设计信息环境"的能力，现在有一个专业名词：上下文工程（Context Engineering）。
一个能说清楚这件事的比喻
假设你去找一个专业的推荐人——一个真人的资深书评人——让他给你推荐书。
场景 A：你说"帮我推荐几本书"。
他不知道你是谁，不知道你读过什么，不知道你喜欢什么风格。他只能推荐一些通用的"大多数人都喜欢的书"。可能有用，但很可能不适合你。
场景 B：你说"我最近读完了《思考，快与慢》和《黑天鹅》，都很喜欢。我特别喜欢反直觉的、颠覆认知的内容，不喜欢励志风格。我主要在通勤时读，所以希望章节不要太长。"
现在他有了足够的上下文，能推荐出真正适合你的书。
AI 也一样。 差别不在于 AI 聪明不聪明，而在于它能"看到"多少关于你和你的任务的信息。
AI 能"看到"的信息层次
AI 在回答你之前，能利用的信息来自几个来源：
层次 1：系统提示（System Prompt）
这是你（或应用开发者）提前设定的，在每次对话开始之前就存在的背景信息。比如：
- "你是一个为[公司名]服务的客服 AI，你的风格是温和、专业……"
- "你是一个内容助手，你的用户是做小红书的内容创作者，你的回答要……"
普通用户通常接触不到这一层，但如果你在开发 AI 应用，这一层至关重要。
层次 2：对话历史（Conversation History）
你和 AI 这一次对话里说过的所有内容。这是 AI 的"短期记忆"——它能记住你在这次对话里说过的事情，但下一次新对话开始，记忆就清空了。
层次 3：当前消息里的内容
你这次发送的内容——包括你的指令、你粘贴进来的材料、你提供的示例。
层次 4：检索到的外部信息（RAG）
如果配置了 RAG，AI 还能从外部数据库检索到相关信息，加入它的"视野"。
上下文工程的核心：主动设计每一层
大多数人只关心层次 3（当前消息里的内容），忽略了其他层次。
上下文工程就是主动设计每一层的内容，让 AI 在整个工作过程中，都有足够丰富的信息可以利用。
实用的三个动作：
动作 1：在对话开头建立"底板"
在第一条消息里，把所有后续任务都需要的背景信息一次性提供：
在我们开始之前，先介绍一下这次对话的背景：
我是[你的角色/职业]，我的主要工作是[描述]。
我在做[这次任务的背景]。
我的读者/用户是[描述]。
我的写作风格是[描述，可以粘贴一段你写的文字作为示例]。
在这次对话里，我会给你一系列任务，全部基于以上背景。你不需要每次都重新询问背景信息。
动作 2：明确告诉 AI 你的偏好
不只是说"写得好一点"，而是把你的判断标准显式化：
我的文章风格参考（这是我之前写的一篇文章的开头，你以后的写作风格向这个靠拢）：
[粘贴一段你写的文字]
我特别在意的事情：
- [列出你在意的 2-3 个具体点，比如：不用形容词堆砌/每个段落不超过 5 句话/结尾要有行动指引]
我不喜欢的表达方式：
- [用正面替代方式描述，比如"用具体数字代替模糊形容词"]
动作 3：给 AI 你满意的结果样本
这是最被低估的一个动作。
比起描述你想要什么，直接给 AI 一个例子更有效：
以下是一段我觉得写得很好的文案，你以后的文案写法向这个方向靠近：
[粘贴样本]
以下是一段我觉得写得不好的文案，这种风格要避免：
[粘贴负面样本]
正例 + 负例一起给，效果比只给正例好得多。
一个真实的对比：同一个任务，两种上下文
任务：帮你写一篇关于某个 AI 工具的使用心得文章。
没有上下文工程：
帮我写一篇关于 Kimi 的使用心得文章，给内容创作者看，800 字。
→ AI 输出一篇通用的"Kimi 介绍 + 优缺点"文章
有上下文工程：
背景：我运营一个给内容创作者看的公众号，读者是在职场里做内容工作的人，他们有 AI 使用经验，但不懂技术。上周我发了一篇关于 Claude 的文章，本周想写 Kimi 做系列。
我的风格：偏实战，每篇文章必须有一个读者能立刻用的方法，不做纯评测。以下是我上周文章的开头，风格参考这个：
[粘贴文章开头]
任务：帮我写这周关于 Kimi 的文章。核心角度：Kimi 在长文档处理上和其他工具的差距，给一个实际的使用方法（不是功能介绍，是使用心得）。
格式：标题 + 开场场景（50 字内）+ 3 个要点 + 结尾行动指引。总字数 800 字。
→ AI 输出：直接可用，或只需要小改
什么是"上下文窗口"，为什么你要关注它
AI 在一次对话里能"看到"的信息量是有上限的，这个上限叫上下文窗口（Context Window），单位是 token。
不同模型的上下文窗口差距很大：
- 早期 GPT-3：4K token（大约 3000 字）
- Claude 3.5：200K token（大约 15 万字）
- Llama 4 Scout（2025年）：10M token（大约 750 万字）
为什么你要关注这个：
-
对话太长时，AI 会"遗忘"早期信息：超出上下文窗口的部分，AI 就看不到了。这就是为什么在一个特别长的对话里，AI 有时候会"忘记"你最开始说的背景。
-
主动在关键时刻重申重要信息：如果一个对话很长，你可以主动重复重要的约束条件（"记住：最终文章不超过 500 字，风格要接地气"）。
-
上下文窗口不等于记忆：即使上下文窗口很大，AI 也不会"主动记住"每件事——它每次回答时，都会重新扫描你们的对话历史。你说的越清楚，它能用的就越多。
引导练习
准备：你最近在做的或者即将开始的一个内容项目（不是一个单次任务，而是一系列相关任务）。
任务：
- 用"底板建立"的方式，写一段开场白：在这个项目的所有 AI 对话里，你会在开头放的背景信息
- 找一篇你自己写的、觉得写得不错的文章，粘贴一段作为风格样本
- 用这个底板 + 风格样本，让 AI 帮你完成这个项目的第一个具体任务
记录：比起你之前的用法，有了底板之后，AI 的输出有什么不同？
独立挑战
关掉讲义，独立完成。
任务：
设计一个完整的"对话底板"，用于你未来 30 天的 AI 辅助工作。
底板内容包括：
- 你是谁（身份、主要工作）
- 你的主要任务类型（这 30 天你最常让 AI 做什么）
- 你的风格要求（附上一段文字样本）
- 你的禁区（不要用的表达 / 不要出现的内容类型）
写完之后，在新的对话里用这个底板开头，做你当下最想完成的一个 AI 任务，看效果如何。
量规
通过条件：
- 你写出了一个完整的"对话底板"，包含：你是谁 + 主要任务 + 风格样本 + 禁区
- 你实际用这个底板做了一次任务，有结果记录
- 你能说出"上下文工程"和"写一个好提示词"的区别（前者关注整个对话的信息环境，后者关注单条指令）
不通过：只是理解了概念，没有实际写出底板——上下文工程是实践技能，不是知识点。
迁移挑战
场景：你要搭建一个内部 AI 助手，给你的团队用，专门帮团队做内容相关的工作。你没有技术背景，只是在用现有的工具（Claude、ChatGPT 等的 API 或界面）。
基于这节课的框架，你会给这个 AI 助手写什么样的"系统底板"（System Prompt）？
写出你的系统底板（100–200 字，用中文），然后说明你为什么选择这些内容放进去，而不是其他的。
下一节预告
M3-L2 · 拆解 → 执行 → 检查：把复杂任务变成可控流程
上下文设计好了，下一步是怎么把一个复杂的、模糊的任务，拆成 AI 可以分步执行的清晰流程——以及在每一步设置检查点，让你保持控制权。