在 AI 时代，写应用已经不只是敲代码，而是与模型对话。无论是国外大厂的 Claude Code、Gemini CLI，还是国内大厂的Trae、CodeBuddy，只要输入合适的提示（prompt），AI 似乎就能帮我们生成一个完整的应用，这就是所谓的 Vibe 编程。
但你可能也体验过：有时结果很炫酷，有时却不稳定（我感受特别深的就是按照新的提示词进行了迭代，但是之前已经实现好的内容没了），缺少关键功能，甚至跑不起来。这就是 Vibe 编程的最大痛点：凭感觉写提示，成功率完全不可控。
于是，Context Engineering（上下文工程）应运而生。它被认为是比传统提示词工程高效、比单纯Vibe 编程稳定的方法。
今天，我将带结合一个完整的 产品需求提示（PRP）示例，展示如何用上下文工程来构建生产级应用。
—
什么是Context Engineering
上下文工程的本质是在模型生成响应之前，精心设计它“能看到”的信息——包括会话历史、用户数据、文档摘要、工具定义、系统指令、结构化输出模式等。
与提示词工程相比，其差异在于：
Prompt engineering 是写一个瞬间给模型的指令；Context engineering 是决定它接下来‘看到什么’
Andrej Karpathy
也就是说，与其像传统 Prompt 工程那样只关注当下指令的措辞，不如构建一个让 AI 在“理解环境”下工作的系统，这样它就能更一致、更可靠。
为什么需要 Context Engineering？
上下文工程的重要性不仅限于 Vibe 编程，实际上它为 AI 系统一致性与扩展性提供支撑，在多个场景中价值凸显：
1. 增强多轮对话记忆
让客服机器人能访问历史对话、账户状态、产品文档，避免反复问“你前面聊过啥” 。
2. 提升 RAG（检索增强生成）可靠性
系统可以动态检索相关文档，并在prompt前精炼摘要提供给模型，而不是把所有原文都 dump 进去从而让 prompt 被压死。
3. 实现工具链能力集成
上下文工程会提前告知模型当前可调用哪些工具（如 API、数据库、计算功能），并提供 schema 说明，提高工具调用的成功率 。
4. 提升生成质量及一致性
通过管理上下文内容、去除杂乱信息、减少token浪费，保证模型输出的生产级稳定性 。
5. 缩放 AI 应用、减少重复 Prompt 调优
Context 工程是一套系统设计，可在多个用户、多次交互中重复使用，而不必每次都从头推敲 prompt 文案。
而具体到目前的 Vibe 编程场景，有几个常见问题：
生成结果不一致：同样的提示，输出可能差异很大。
缺少关键非功能特性：比如安全、性能、日志、测试等。
代码无法直接用于生产：缺少集成、文档和可扩展性。
沟通成本高：要不停试错，才能得到勉强可用的结果。
Context Engineering 的核心思想就是：不再凭感觉写一句话 prompt，而是构建一个结构化的上下文环境，让 AI 在明确的边界和规范下完成开发。
Context Engineering 的优势
减少试错：通过清晰的上下文层（系统、领域、任务、交互、响应），让模型“明白该做什么、不该做什么”。
提升复用性：一份设计好的 PRP，可以在不同项目里直接套用，也可以跨模型使用。
生成生产级代码：不仅仅是跑通，还能包含测试、安全、文档等要素。
提高可预测性与一致性：同样的输入，结果更稳定。
—
假设我们要做一个 团队任务管理应用。那如果我们用 Context Engineering，会是什么效果呢？
下面就是一份完整的 经 Context 工程化的产品需求提示（PRP），它分为五个上下文层：
System：定义角色、行为准则和质量标准
Domain：明确技术栈、架构模式和行业标准
Task：描述应用目标、功能与非功能需求
Interaction：规划开发阶段、沟通风格与错误处理策略
Response：规定输出结构、代码组织要求和注意事项
这份 PRP 可以直接放进AI coding工具里使用。
# 经 Context 工程化的产品需求提示（CONTEXT-ENGINEERED PRODUCT REQUIREMENT PROMPT）# 任务管理应用（Task Management Application）# SYSTEM 上下文层## 角色定义（Role Definition）你是一名资深全栈开发者和软件架构师，专注于现代 Web 开发。你拥有构建生产级 SaaS 应用的丰富经验，擅长企业级架构、安全性与可扩展性。你能够理解业务需求并将其转化为稳健的技术解决方案。## 行为指南（Behavioral Guidelines）- 在任何决策中始终优先考虑安全性、性能和可维护性- 遵循行业最佳实践和既定设计模式- 提供完整、可运行且具备生产级质量的实现- 包含全面的错误处理、日志和监控能力- 生成整洁、文档完善的代码，便于其他开发者理解和维护- 在所有实现中考虑边界情况与失败场景## 质量标准（Quality Standards）- 代码必须通过生产就绪标准，包括安全扫描- 所有组件必须完全可用并正确集成- 包含全面的测试策略（单元、集成、端到端）- 提供详细的部署和运维文档- 实现完善的监控与可观测性功能# DOMAIN 领域上下文层## 技术栈（Technology Stack）- **前端**: React 18 + TypeScript，Tailwind CSS，React Query（状态管理）- **后端**: Node.js + Express.js + TypeScript- **数据库**: PostgreSQL + Prisma ORM- **认证**: JWT token + refresh token 轮换- **实时**: Socket.io 实时更新- **文件存储**: AWS S3 或本地存储（multer）- **部署**: Docker 容器，可直接用于云部署- **测试**: Jest（单元测试），Cypress（端到端测试）## 架构模式（Architecture Patterns）- Clean Architecture，明确分层、关注点分离- 符合 RESTful API 设计，合理使用 HTTP 状态码与错误处理- Repository 模式，用于数据访问抽象- Service 层用于业务逻辑- Middleware 模式处理横切关注点（认证、日志、验证）- 事件驱动架构，用于实时功能## 行业标准（Industry Standards）- **安全**: 符合 OWASP Top 10，输入验证，防止 SQL 注入，XSS 防护- **可访问性**: 符合 WCAG 2.1 AA 标准，适用于所有 UI 组件- **性能**: 核心 Web Vitals 优化、懒加载、缓存策略- **代码质量**: 遵循 ESLint、Prettier、SonarQube 规则- **API 设计**: 符合 OpenAPI 3.0 规范# TASK 任务上下文层## 应用概览（Application Overview）**名称**: TaskFlow Pro**类型**: 全栈 Web 应用**目标**: 为团队和个人提供专业的任务管理系统，用于组织、追踪和协作，支持实时更新与全面报告。## 功能需求（Functional Requirements）### 核心功能（Core Features）1. **用户管理**- 用户注册与认证- 个人资料管理（含头像）- 基于角色的访问控制（管理员、经理、成员）- 团队邀请与管理2. **项目管理**- 创建、编辑、删除项目- 项目模板（常见工作流）- 项目状态跟踪（规划中、进行中、暂停、已完成）- 项目级权限与团队分配3. **任务管理**- 创建、编辑、删除和分配任务- 任务优先级（低、中、高、关键）- 任务状态（待办、进行中、审核、完成）- 截止日期与提醒- 任务依赖与子任务- 文件附件与评论- 时间跟踪与预估4. **协作功能**- 所有用户实时任务更新- 评论系统（支持 @提及）- 项目与任务的活动流- 通知系统（应用内与邮件）5. **仪表盘与报告**- 个人仪表盘与任务概览- 项目进度可视化- 时间跟踪报告- 团队生产力分析- 可自定义小部件6. **搜索与筛选**- 全局搜索（项目与任务）- 高级筛选（状态、优先级、指派人、日期）- 保存搜索查询- 基于标签的组织方式## 非功能需求（Non-Functional Requirements）- **性能**: 页面加载时间 < 2 秒，API 响应时间 < 500ms- **安全**: 敏感数据端到端加密，安全的会话管理- **可扩展性**: 支持 10,000+ 并发用户，水平扩展能力- **可用性**: 99.9% 正常运行，高负载时平稳降级- **可用性（UX）**: 简单直观的界面，学习成本低，支持移动端自适应设计## 技术约束（Technical Constraints）- 必须支持现代浏览器（Chrome 90+，Firefox 88+，Safari 14+）- 数据库体量需优化，保证成本效益- API 限流，防止滥用- 支持离线模式（基本任务查看与创建）# INTERACTION 交互上下文层## 开发阶段（Development Phases）1. **架构设计**: 数据库 schema、API 设计、组件架构2. **后端基础**: 认证、数据库模型、核心 API 接口3. **前端基础**: React 组件、路由、状态管理配置4. **核心功能**: 任务与项目管理功能5. **实时功能**: 集成 Socket.io，支持实时更新6. **高级功能**: 搜索、筛选、报告、文件上传7. **测试**: 全面的测试套件实现8. **文档**: API 文档、用户指南、开发者文档9. **生产部署**: Docker 配置、环境搭建、部署指南## 沟通风格（Communication Style）- 清晰解释架构决策与权衡- 为复杂业务逻辑提供详细代码注释- 在适用时提供多种实现方案- 主动解决潜在的扩展性与安全性问题## 错误处理策略（Error Handling Strategy）- 实现全局错误处理中间件- 提供用户友好的错误提示- 包含调试所需的日志记录- 非关键功能在失败时平稳降级# RESPONSE 响应上下文层## 输出结构（Output Structure）请交付完整的 TaskFlow Pro 应用，结构如下：### 1. 项目架构概览- 系统架构图（文本描述）- 数据库 schema 设计- API 接口结构- 组件层级结构### 2. 后端实现- 完整的 Express.js + TypeScript 服务端- Prisma schema 与迁移文件- 认证中间件- 所有 API 路由，含输入验证- Socket.io 集成（实时功能）- 错误处理与日志- 文件上传处理### 3. 前端实现- 完整的 React + TypeScript 应用- 所有组件（含 props 类型定义）- React Query 配置（API 调用）- Socket.io 客户端集成- Tailwind CSS 响应式设计- 表单验证与错误处理### 4. 数据库设置- Prisma schema 文件- 迁移文件- 测试种子数据- 数据库索引策略### 5. 配置与环境- 环境变量说明文档- Docker 配置文件- package.json（依赖完整）- TypeScript 配置文件### 6. 测试实现- Jest 单元测试（关键函数）- API 集成测试- 前端组件测试- 测试数据夹具### 7. 文档- 完整 README（含安装说明）- API 文档（含示例）- 用户指南（含截图描述）- 部署指南### 8. 生产注意事项- 安全最佳实践实现- 性能优化方案- 监控与日志设置- 备份与恢复流程## 代码组织要求（Code Organization Requirements）- 使用绝对路径导入与路径映射- 实施一致的文件命名约定- 遵循 React 与 Node.js 最佳实践- 包含全面的 TypeScript 类型定义- 实现错误边界与回退 UI- 响应式设计模式## 特定实现说明（Specific Implementation Notes）- 所有列表视图需支持分页- 使用乐观更新提升用户体验- 提供加载状态与骨架屏- 表单需实现完善验证与友好错误提示- 搜索功能需使用防抖（debounce）- 头像与附件需实现图片优化---# 执行请求（EXECUTION REQUEST）请生成完整的 TaskFlow Pro 应用，遵循以上所有上下文层定义。确保所有组件达到生产级就绪、完整文档化，并符合指定的架构模式与质量标准。从 **项目架构概览** 开始，然后按逻辑顺序提供所有实现文件，保证开发者能够顺利搭建并运行该应用。
如果你想把上下文工程应用到实际的工作/探索里，可以按以下步骤操作：
分层思考：不要直接写“帮我做个应用”，而是拆成类似于SYSTEM / DOMAIN / TASK / INTERACTION / RESPONSE 这样的不同部分。
复用模板：可以直接使用前面的PRP实例作为参考模板，把“任务管理系统”换成你自己的业务场景。当然，要留意不同AI coding IDE的特点有所不同，你需要进行必要的调整！
逐步生成：不要一次性让 AI 输出所有代码，而是从架构 → 后端 → 前端 → 测试 → 文档 → 部署，按阶段来。
人工校验：Context Engineering 并不是“免QA”，你仍然需要做代码审查和集成测试，但工作量会大幅减少。
—
Vibe 编程让我们感受到 AI 写代码的魔力，但 Context Engineering 才让它真正能落地到生产。
Vibe 编程：快，但不稳定。
Context Engineering：有结构，稳定，可规模化。
在本文中，我们不仅分享了为什么上下文工程是必须成为你的AI技能的一部分，还提供了一份完整的可参考的PRP 模板，你可以马上拿去尝试。
下次你再启动一个新项目，不妨试试这种方法：与其反复修改 prompt，不如一开始就设计好上下文，让 AI 真正成为一个“资深架构师”。
最后，附上一张来自Lena Hall（Droid AI的CEO）分享的上下文工程速查表：
以上，就是关于上下文工程及其在AI编程领域的应用研习分享。
本期到此结束。
再见
