这是 AI 与人交互方式演进的三代范式：

1. 提示词工程（Prompt Engineering）

核心： 如何写好一个 prompt

这是最早被广泛关注的层次，关注点是：

  • 如何措辞能让 LLM 理解你的意图
  • Few-shot / Zero-shot 技巧
  • Chain-of-Thought（思维链）引导
  • 输出格式控制

本质： 把 LLM 当成一个强的对话引擎，优化输入文本来获得好输出

2. 上下文工程（Context Engineering）

核心： 如何组织给 LLM 的上下文

随着 context window 越来越大（100K+ tokens），问题变成了：

  • 什么信息值得放进 context
  • 如何结构化（System prompt / User msg / Examples 的分层）
  • RAG（检索增强生成）— 动态从外部知识库拉取相关内容注入 context
  • Context 过长时的注意力稀释问题

本质： 不只是写好一句话，而是设计好整个”上下文容器”

3. 驾驭工程（Harnessing Engineering / Agent Engineering）

核心： 如何让 AI 真正替你做事

这已经不只是对话了，而是构建 AI Agent：

  • 工具调用 — LLM 调用 API、搜索、代码执行
  • 规划与推理 — 把复杂任务拆解成步骤
  • 记忆管理 — 对话状态、长期记忆、上下文积累
  • 多 Agent 协作 — 多个 Agent 配合完成复杂任务

本质： 把 AI 从”回答问题”变成”替你执行”

演进逻辑

Prompt Eng. Context Eng. Harnessing Eng.
视角 输入文本 上下文容器 任务执行
关键问题 怎么写 放什么、怎么组织 用什么工具、怎么控制
对象 一次对话 一个 session 长期、主动、多步
类比 学会提问 学会整理资料 学会委托任务

三个层次是递进关系而非替代关系——好的 Prompt 基础在第三个层次依然重要。