别再卷Prompt了！这才是Al Agent落地的真正瓶颈

用户4242

用户4389

2025年8月19日修改

原创喜欢萨摩耶的Evan 星空拾荒2025年08月02日 13:43 广东

AI Agent的真正瓶颈：不是Prompt，而是Context Engineering

当 Shopify CEO Tobi Lutke在x上发出这条推文时，或许他自己也没想到，这短短一句话会迅速点燃AI技术圈对Context Engineering的讨论热潮。​

紧接着，前OpenAI核心成员Andrej Karpathy第一时间转发并附议， 认为为任务提供所有上下文的艺术将引领LLM能力的进一步提升。​

随着LLM性能的进步，人们不再需要为了想出一个像咒语一样的prompt而绞尽脑汁了。​

但是，随着Agent的发展和任务场景的高度复杂化，如何把正确的信息给到LLM，已经不再是一件显而易见的事情。我们的挑战逐渐从“ 如何写好一个prompt ”，升级成为了“ 如何为Agent的每一步，动态组装一个正确、完整且高效的Context ”。​

为什么我们需要Context Engineering

随着Agent的发展，人们利用AI构建的东西已经逐渐从两三年前的Demo，逐步进化到真正落地到生产环境的产品，这对AI应用的稳定性提出了更高的要求。​

但是，Agent的本质，利用的是LLM本身的动态规划和决策能力，自动规划任务，自动调用工具，自动读取记忆，最终一步步完成任务。​

然而，这种运行模式，很难直接拿到企业生产环境中稳定运行。​

国外的一个著名开发工程师Dex Horthy描述，当前LLM的工具调用在连续运行10~20轮次之后一般就会进入非常混乱的状态，导致LLM再也无法从中恢复。​

Dex Horthy质疑道， 即使你通过努力调试让你的Agent在90%的情况下都运行正确，这还是远远达不到“足以交付给客户使用”的标准 。而这10%的崩溃情况，大部分都能归结到系统送给LLM的上下文不够准确。​

所以说， Context Engineering背景是，AI技术落地已经进入了一个非常专业化的时代 ，我们需要非常精细地把控我们输入给LLM的东西，使它可以长期稳定的运行，适配生产环境的需要。​

Prompt Engineering vs Context Engineering

别再卷Prompt了！这才是Al Agent落地的真正瓶颈​