回首 2024 年底，「提示工程師」還是 LinkedIn 上最常見的 AI 相關職稱之一；一年多後，這個詞越來越少見。但原因不是需求縮水，而是整個概念被淘汰。
這個曾被吹捧為「AI 時代最熱門職業」的工作，為何壽命只有 18 個月？
在 X（前 Twitter）上，AI 工作流程研究者 @heynavtoor 整理了一套業界盛行的新架構情境工程（Context Engineering）。Anthropic 也已於 2025 年 9 月發布完整工程指南說明這套方法論。
至於什麼是情境工程？可以參考以下兩種場景：
一般做法：每次打開 Claude，花 10 分鐘重新解釋你是誰、你的語氣偏好、這個專案的背景，然後得到一份需要大量修改的草稿。
情境工程做法：用三個 Markdown 檔案加幾個工具串接，Claude 在你還沒開口前，就已知道你是誰、你要什麼。
為什麼提示工程失效了？
提示工程有一個根本缺陷：它在每次對話後完全重置。
你花了一小時調教出完美的提示詞，得到一份好稿件，關掉視窗。隔天重新開啟，AI 對你一無所知——你的寫作風格、客戶偏好、專案脈絡，全部歸零。你只是在跑一台永遠不前進的跑步機。
情境工程改變的是根本邏輯：不是教你怎麼「問得更好」，而是設計 AI 在回應前所「看到的全部資訊」。提示工程是一個句子；情境工程是一套架構。
5 步驟打造情境工程核心組件
第 1 步：建立永久系統指令
系統指令是在每次對話開始前就載入的「常駐規則」，不是一次性的提示詞，而是永遠有效的操作手冊。在 Claude Code 中，這是 CLAUDE.md；在 Claude Cowork 中，是 about-me.md、brand-voice.md、working-rules.md 這類檔案。
三個起始檔案範本：
# about-me.md
我是 [姓名]，[職稱]，服務於 [公司/媒體]。
目前主要工作：[列出 2-3 項核心任務]
我的目標讀者：[描述讀者輪廓]
# brand-voice.md
語氣：[簡潔/正式/對話式]
常用詞：[你喜歡的用詞範例]
禁用詞：[你不喜歡出現的詞]
文章範例：[貼入一段你認為品質好的文字]
# working-rules.md
執行前先確認：[哪些情境需要問使用者]
預設輸出格式：[Markdown / 純文字 / 其他]
品質標準：[你認為好稿件的定義]
在Cowork或Code模式下建立這三個檔案後，每次對話就不用再從零開始。（編按：Chat模式不支援以上永久系統指令）
第 2 步：建立跨對話的記憶系統
短期記憶是 AI 在單次對話中記住的內容；長期記憶是跨對話持續存在的資訊。情境工程把記憶當作基礎建設設計，而不是附加功能。
實務做法：建立一個
project-state.md，讓 AI 在完成每個任務後，將關鍵決定與進度寫入檔案。下次對話開始時先讀取這份筆記，從上次結束的地方繼續。Anthropic 將這稱為「結構化筆記」——AI 寫給自己的進度日誌。
第 3 步：給 AI 接上工具
純文字的 AI 只能讀和寫；工具讓 AI 有了「手」。
Anthropic 於 2024 年底發布的模型情境協定（MCP）已成為業界標準，目前有 Gmail、Google Drive、Slack、GitHub、Notion 等數百個整合可用。
設定路徑：Claude 設定 → 連接器 → 選擇 Gmail 和 Google 日曆。
設定完成後，輸入「整理我今天的會議，並確認信箱裡有沒有跟它們相關的郵件」，Claude 會跨平台比對你的行事曆與信箱，產出一份需要你自己花 15 分鐘才能整理出來的簡報。
第 4 步：把你的資料接進去
AI 的訓練資料有截止日期，它不知道你的公司內部政策、Q1 業績數字、昨天收到的客戶信件。檢索增強生成（RAG）解決這個問題：在 AI 回應前，系統先搜尋你的文件庫，把相關內容拉進情境視窗。
Claude Opus 4.6 的情境視窗達 100 萬個 token，可一次載入整個專案目錄。 在 Claude Cowork 中，只需將 AI 指向你的工作資料夾，它就能讀取所有檔案。
AI 出現幻覺，與 AI 準確引用你自己的資料，差別不在於模型的好壞，而在於資料有沒有被正確地放進情境。
實務做法：建立一個專屬的知識資料夾（例如
knowledge/），把品牌語氣指南、優質稿件範例、常用數據表存進去。在 Claude CoWork 中，對話開始時說「請先讀取 knowledge 資料夾的所有內容」。若是在 Claude Code 中，把資料夾路徑寫進
CLAUDE.md，讓 AI 每次啟動時自動載入。需要引用特定文件（如客戶簡報、財報原文）時，直接把檔案貼入對話，比用文字描述內容更準確，也更不容易產生幻覺。
第 5 步：設計動態情境組裝
靜態系統每次載入相同資訊；動態系統根據當前任務，自動組裝不同情境：寫程式時載入程式碼風格指南，撰稿時載入品牌語氣檔，開會前載入行事曆與與會者背景。
Anthropic 在 Skills 系統中稱之為「漸進揭露（Progressive Disclosure）」：Claude 不會把所有 Skill 全部載入，而是讀取說明、辨識哪些與當前任務相關，只載入需要的部分。情境不是固定的，是動態組裝的。這就是情境工程的工程性所在。
實務做法：在 Claude CoWork 或 Code 模式載入所有 Skill 之後，為每個 Skill 寫下明確的觸發時機（例如：「收到外文新聞連結時」、「說幫我寫社群貼文時」）。不確定怎麼定義的話，可以直接問 Claude：「這個 Skill 適合在什麼情境觸發？」，讓它幫你起草，再寫進記憶檔或 SKILL.md 裡。
有什麼使用限制？
技術門檻不為零。 建立 CLAUDE.md、設定 MCP 工具串接、維護跨對話記憶檔案，需要一定的工具操作能力。非技術背景的使用者可從三個基礎 Markdown 檔案開始，跳過工具串接部分，仍可顯著改善 AI 輸出品質。
品質取決於輸入的內容。 brand-voice.md 寫得越精準，輸出就越像你。沒有認真描述自己的偏好，AI 也只能猜。
複利效應建立在重複性任務上。 單次、一次性的任務，直接打提示詞就好。你越常重複的工作，越值得投資架構。
提示工程訓練你每次重頭開始；情境工程讓你每週在上週的基礎上繼續。一個不斷重置，一個持續複利。選哪條路，決定的不只是工作效率，而是你與 AI 協作的天花板在哪裡。
資料來源：@heynavtoor on X
本文初稿為AI編撰，整理．編輯／李先泰
