Prompt Engineering（提示词工程）

提示词工程是围绕「如何向大模型输入指令以获得高质量输出」的一套实践方法，涵盖角色设定、少样本示例、思维链（CoT）、结构化输出约束以及系统提示词的组织方式。在 Context Engineering 系统综述 中，这一领域被置于更大的「上下文工程」框架下审视：单纯雕琢措辞的收益正在递减，真正决定效果的是模型在推理时能「看到」的全部上下文（检索结果、工具返回、记忆、历史对话）的组织质量。

Andrej Karpathy 在 Context Engineering 中提出，随着 Agent 与长上下文模型的普及，工程师的工作正从「写一段完美提示词」转向「在有限上下文窗口内为模型装配正确的信息」。这标志着 Prompt Engineering 与 Context Engineering 的边界日益融合——前者是后者的核心子集。

在垂直场景中，提示词工程仍有显著价值。例如 Claude Code 生态更新 与 量化交易提示词工程 展示了如何通过精心设计的提示模板，把通用模型改造为可靠的领域工具。在 AI 编程 实践中，提示词与 Skill、子代理、上下文文件共同构成「驾驭模型」的工程体系。

关联

• Context Engineering —— 提示词工程的上位概念
• AI 编程、LLM 优化
• Opus 5 系统提示词泄露（CL4R1T4S） —— 约 2000 行系统提示词的结构样本与安全路由规则（真伪未经确认）