主要观点：随着 AI 集成在现代应用中成为标准，开发者面临如何与大型语言模型有效沟通以获得可靠准确结果的关键决策，答案在于理解提示工程和上下文工程这两种不同但常被混淆的方法。
关键信息：

• 提示工程专注于设计正确的指令或输入与语言模型交互以获得输出，特点包括有清晰具体指令、可使用示例、无状态、消耗大量令牌等，适用于简单临时任务、快速原型和实验等情况。
• 上下文工程注重为语言模型提供相关外部知识/数据以告知其响应，特点有使用外部数据、有上下文、有状态、可扩展等，适用于知识密集型应用等情况。
• 对比分析：提示工程复杂度低但令牌使用高，一致性可变，扩展性低；上下文工程复杂度高但令牌使用低，一致性高，扩展性高。
• 行业趋势倾向于上下文工程，因其在可靠性、可扩展性、可维护性和成本效率方面有优势。
  重要细节：
• 提示工程示例中用户询问 2 周欧洲 3000 美元旅行计划，模型仅靠提示给出通用响应，未考虑实时因素。
• 上下文工程示例中系统利用用户信息、天气 API 等数据为用户提供个性化旅行建议。
• 行业趋势中提到可靠性可减少幻觉，可追溯输出源，可扩展性可利用大量数据，可维护性可独立更新上下文，成本效率可预测令牌使用。
  结论：提示工程和上下文工程在 AI 开发中都有其作用，开发者应理解何时使用及如何有效结合，先从提示工程入手，随着应用复杂度增加再转向上下文工程。