.@athamzafarooq 论为什么上下文工程现在比提示工程更为关键 大多数 AI 产品经理专注于提示工程——编写更好的指令以获得更好的输出。 但这仅适用于通用响应。一旦需要个性化，提示工程就会失效。 考虑一个金融代理。一个用户想要保守的 S&P 500 投资。另一个用户想要高风险的加密交易。相同的 LLM 如何为这两个用户提供相关建议？ 上下文工程通过分层多个信息源来解决这个问题：系统提示、用户提示、来自过去交互的长期记忆，以及从 RAG 中提取的相关数据。 “提示工程是你告诉 LLM 的内容。上下文工程是你如何为 LLM 设计指令。这就是拥有上下文工程知识的美妙之处，因为它让你的整个生态系统运转起来。” 微调的工作方式不同——它是任务适应。你在成千上万的示例上训练 LLM，以使其专门化为特定输出，比如生成 Python 代码或理解制药行业的词汇。 教训：上下文工程现在比提示工程更重要，因为现代 AI 产品需要大规模的个性化。你需要同时协调记忆、检索和提示，以向每个用户提供相关响应。