上下文工程：结构化人机协作的实践者方法论

AI生成输出的质量常被归因于提示技巧，但大量经验性观察表明，上下文的完整性可能与输出质量有更强的关联。本文介绍上下文工程（Context Engineering），一种结构化方法论，用于组装、声明和排序随提示一同发送给AI工具的完整信息载荷。上下文工程定义了五角色上下文包结构（Authority、Exemplar、Constraint、Rubric、Metadata），应用分阶段的四阶段流水线（Reviewer到Design到Builder再到Auditor），并将可靠性工程与信息论中的形式化模型用作对上下文质量的事后解释透镜。在一项对四个AI工具（Claude、ChatGPT、Cowork、Codex）200次有记录交互的观察性研究中，不完整上下文与72%的迭代周期相关。结构化上下文组装与每任务平均迭代周期从3.8降至2.0、首次通过接受率从32%提升至55%相关。在结构化交互中，200次里有110次首次通过，而基线交互50次中仅16次；在允许迭代时，最终成功率达到91.5%（200次中183次）。这些结果是观察性的，反映的是单一操作者的数据集，缺乏受控比较。一个配套的生产自动化系统（含11条运行通道和2,132个分类工单）提供了初步佐证。