JafarNajafov 系列详解上下文工程八大技巧

10月13日,Jafar Najafov 在其「context engineering」系列中系统提出:Anthropic、OpenAI、Google 的工程师用同样的大模型能产出好 10 倍的结果,关键已从 prompt engineering 转向 context engineering——即给模型构造什么样的上下文。系列共八条,分别对应不同场景的上下文构造方法。

已确认

• 第 1 技「角色+专长上下文」:LLM 不只需要指令,还需要「成为」某个人;'senior developer' 这类 persona 会激活完全不同的推理模式,代码审查产出有本质差异。
• 第 2 技「参考样例上下文」:给模型 2-3 个目标风格实例并点破其中模式,可减少幻觉,让机构在数百条输出中保持一致性。
• 第 3 技「约束上下文」:核心主张是「无限自由=平庸输出」,明确写出「不要做什么」能逼模型聚焦、给出可执行方案。
• 第 4 技针对图像生成(Nano Banana Pro、Image gen 1.5 等):图像模型在摄影师和艺术家的语言上训练,「beautiful sunset」只会触发图库式烂图,应改用相机与布光等技术参数。
• 第 5 技「受众上下文」:写文案时给出具体受众画像(如「试遍所有效率工具、疲惫不堪的创业者」),并填写人口属性等七项要素,才能激活对应语言模式与痛点。
• 第 6 技针对视频生成(Veo 3、Runway、Kling):用导演级镜头语言替代描述性语言,模板覆盖景别等七个维度。
• 第 7 技「思维链上下文」:引用 Google 研究,同一模型被强制分步推理后准确率从 18% 提升到 57%,作者给出六步推理模板。
• 第 8 技「输出格式上下文」:LLM 是模式补全机器,明确逐节给出期望输出结构,可消除约九成「不是我想要的意思」的返工。

为什么重要

该系列把散落的提示技巧整合为一套可复用的模板体系,横跨文本、代码、图像、视频四类生成场景,并以具体数字(18%→57%)佐证结构化上下文的收益,适合内容团队与开发者直接套用。

2026-10-13 ~ 2026-10-13 · 9 条相关

• 【源头】Context engineering 8 技:同样的大模型为何产出差 10 倍 — JafarNajafov · 2026-10-13
• 角色+专长上下文:一句 persona 让代码审查产出完全不同 — JafarNajafov · 2026-10-13
• 参考样例上下文:给模型看「好长什么样」,它就不再瞎猜 — JafarNajafov · 2026-10-13
• 【源头】约束上下文提示法: forbid 烂套路,逼模型给出可执行方案 — JafarNajafov · 2026-10-13
• 「美丽日落」只会出图库废片:图像提示词要用相机与布光参数 — JafarNajafov · 2026-10-13
• 写文案别只说「写篇博客」:受众画像提示词让模型说出读者的话 — JafarNajafov · 2026-10-13
• 别再写「一个人在走路」:视频生成提示词要用导演级镜头语言 — JafarNajafov · 2026-10-13
• 【源头】同一模型准确率 18%→57%,Google 研究验证分步思考提示词模板 — JafarNajafov · 2026-10-13
• 提示词工程第8式:先给输出格式,消灭九成「不是我想要的意思」 — JafarNajafov · 2026-10-13