企业官网建设流程全解析

专栏：大模型应用开发：从原理到生产
篇号：15
内容标签：Context Engineering、Prompt Engineering、大模型、RAG、AI应用开发

前面几篇，我们一直在讲 Prompt。

怎么把任务说清楚。
怎么写 System Prompt。
怎么用 Few-Shot、CoT、结构化输出。
什么时候 Prompt 不够用，要升级到 RAG、工具调用或微调。

到这里，你可能已经能写出不错的提示词。

但真实项目里，很快会出现一种更麻烦的问题：

Prompt 看起来没问题，模型还是不稳定。

比如：

• 多轮对话到后面，模型忘了前面确认过的关键信息。
• RAG 检索到了资料，但模型没有用到最重要的那一段。
• 工具返回了一大堆 JSON，模型抓错了字段。
• 历史对话里有旧需求，新需求已经变了，模型还在混着执行。
• 同一个 System Prompt，在简单输入下很好，一接入真实业务数据就开始飘。

这时问题往往不在某一句 Prompt，而在整体上下文。

Prompt 关注的是：

这句话怎么问？

Context Engineering