Context engineering 8 技:同样的大模型为何产出差 10 倍
JafarNajafov · x · 2026-10-13
作者提出:Anthropic、OpenAI、Google 的工程师用同样的 LLM 产出好 10 倍,关键已不是 prompt engineering,而是 context engineering——即给模型构造什么样的上下文。随后他以系列推文展开 8 种技术,本批收录其中三种:
- 角色+专长上下文:具体角色+年限+技能+沟通风格,激活不同推理模式(示例:senior 工程师 persona 产出深度 React 代码审查)
- 参考样例上下文:贴 2-3 个目标风格实例并点破模式,消除模型瞎猜(示例:批量生成命中固定套路的落地页标题)
- 约束上下文:写清「不要做什么」、必须包含什么、格式与优先级,逼出聚焦且可执行的输出(示例:周末验证 SaaS 的 5 步计划)
核心观点:与其反复调措辞,不如系统性地设计喂给模型的上下文。
所属事件:JafarNajafov 系列详解上下文工程八大技巧(9 条相关)→
「编程与Agent」频道最新
- 从 100% 失败到随手可用：LLM 移植 ML 代码跨过阈值 — chibop1 · 2026-10-13
- 用 GPT-6.1 把老游戏《Dungeon Master》移植到现代引擎并自动游玩 — ___Patrice___ · 2026-10-13
- 图神经网络让欺诈检测提升 27%-33%，EXL 公开工程细节 — AI Engineer · 2026-10-13
- RTNav 开源：面向实时零样本目标导航的模块化异步智能体 — rsasaki0109 · 2026-10-13
- 开发者称用 GPT+Agent 沙箱复刻 Opus 动画视频流水线，成本仅几十分之一 — sven_ai · 2026-10-13
- Claude Code 省 token 实战：5 条设置让缓存命中率稳在 98% — AlchainHust · 2026-10-13