上下文工程（Context Engineering）是什麼

上下文工程是安排 AI 每一次工作時所能看到的資訊：哪些要先給、哪些需要時再讀、哪些已經過時，以及哪些資料根本不應進入這次任務。它包含提示詞，但還會處理檔案、對話歷史、工具結果與持續儲存的工作狀態。核心問題不是一次塞多少資料，而是當下做決定需要什麼證據。

想像住戶詢問社區交誼廳能否借來辦活動。助理可能需要最新借用規章、當日空檔、住戶資格與這次活動的人數，卻不需要另一戶的繳費明細。以下用這個原創例子說明資料如何進出模型，以及出錯時怎麼查。資料查證截至 2026 年 9 月 14 日。

上下文是一份會改變的工作材料

Anthropic 把上下文工程描述為選擇並維護推論時所需資訊的策略，涵蓋系統指令、工具、外部資料與歷史。LangChain 文件則進一步區分當次模型看見的內容、持續狀態與工具可使用的環境資訊。這些是相關的實務觀點，並不是所有產品都採用同一套欄位或正式標準。

可以把模型的上下文視窗想成暫時展開的工作桌，但比喻有個限制：資料存放在系統裡，不等於模型此刻看見它。某份規章即使已上傳或存在資料庫，仍可能沒有被選進這次呼叫。回答遺漏條文時，應先檢視實際傳入的內容，再決定要不要重寫提示詞。

工作桌也不是越滿越好。大量重複對話、互相矛盾的舊公告和無關附件，都可能讓關鍵條件變難辨識。這不表示長上下文必然答錯，而是需要用任務測試選出合適材料。刪掉無關內容的同時，不能把例外條款、日期和來源一起清掉。

借用助理需要哪些材料

這個示例的輸入是：「週六想借交誼廳辦讀書會，可以嗎？」助理先辨識尚缺確切日期、時段與參加人數，再取得現行借用規章。規章中若有住戶優先、容納人數與禁止營利等條件，都應保留原文依據。行事曆只能回答時段是否空著，不能單獨證明申請符合規章。

當住戶補上日期與人數後，系統再查該時段，而不是把整年的預約紀錄全部送入模型。工具回傳可以包含時段、空檔狀態、查詢時間與資料來源；其他人的姓名與聯絡方式則沒有必要帶入。資料最小化同時幫助閱讀與權限控制，但權限仍應由後端實際執行。

預期答案可以是：「此時段目前空著；人數符合場地限制，但需完成管理室申請。」這句話把查詢結果與完成預約分開。若模型直接說「已預約成功」，應檢查工具是否真的執行預約、是否返回有效確認；只看它用了肯定語氣，無法判斷外部狀態有沒有改變。

先處理來源、版本與缺漏

每份資料最好有明確身份，例如規章名稱、生效日與取得位置。舊規章可留作歷史參考，但不能和現行規章沒有區別地混在一起。假設公告說場地整修暫停開放，行事曆卻仍顯示空白，這是來源衝突；助理應回報衝突並請管理室確認，而不是只選最容易完成任務的那份。

資料沒找到也應是一種可辨識的結果。搜尋沒有命中、來源連線失敗與條文沒有規定，代表不同狀態。把這些全部壓成「無資料」，模型就可能把技術故障誤讀為沒有任何限制。工具介面保留狀態及原因，能讓後續回答清楚說出目前還不能確定什麼。

外部檔案也可能夾帶與任務無關的指令，例如要求忽略原先規則或把資料送往另一個地方。上下文設計要標示哪些文字只是待分析的內容，不能因為出現在搜尋結果裡就得到系統權限。分隔與標記能降低混淆，真正可執行的動作仍需搭配工具授權和輸入檢查。

長對話需要儲存決定，而不只是縮短

住戶與助理討論多次後，歷史可能累積大量改期與取消方案。整理時應保留目前選定日期、仍待確認的事項、明確拒絕的選項及理由。只儲存最後一段漂亮摘要，可能讓早先「不能收費」的限制消失。壓縮的目標是維持決策所需資訊，而不是讓字數看起來很少。

一種可行做法是將工作狀態分成已確認、待確認、已失效，並附上對應來源。舊時段被放棄後保留為失效紀錄，新一輪只帶入目前有效的時段和必要背景。這份狀態存在外部儲存時，還要決定何時重新讀入；儲存成功並不代表模型下一輪已經讀過。

可以用刻意包含多次改期的測試對話檢查壓縮品質。讓測試者問「最後要借哪天、哪些事項還沒處理」，再對照原始紀錄。如果摘要把未核准寫成已核准，問題出在狀態語意丟失，而不是單純 token 不夠。修正時要調整儲存規則與驗證案例。

從回答錯誤追回資料流

上下文工程與提示詞工程的交界很大，但調查方向不同。指令已清楚要求依現行規章回答，卻只送入舊檔案，就應修資料選取；正確條文已在輸入裡但被忽略，才需要檢查提示方式、位置安排或模型能力。檢索增強生成提供找資料的一種方式，並不涵蓋所有歷史與權限管理。

實作前可以畫出資料來源、篩選程式、當次輸入與答案的路徑，選幾筆可核對的問題逐段追查。除了答對與否，還要檢查來源是否足夠、是否讀到不必要的私人資料，以及過期資訊能否退出。這些檢查讓團隊知道該改善哪個環節，而不必遇到每次錯誤都更換模型。

對一般使用者，最容易開始的做法是提供明確版本的檔案，只附當前需要的段落，並要求答案列出尚缺資訊。當對話已充滿被放棄的方案，可以另開一份整理過的任務說明，保留決定、限制與來源，再開始下一階段。

提示詞工程（Prompt Engineering）是什麼

檢索增強生成（RAG）是什麼：讓回答附上可查的依據

上下文壓縮（Context Compaction）是什麼：讓長任務接得下去

AI 名詞總索引：從 Loop Engineering 到生成式 AI

• AI 工具
• 教學
• AI 名詞解釋