在 Vibe Coding（憑感覺下指令）的範式中，大家最常討論的技術叫作 Prompt Engineering（提示詞工程）。但到了 Agentic Engineering（有紀律、生產級的 AI 開發）時代，Google 與各大技術團隊最看重的核心技能，已經轉向為 Context Engineering（脈絡工程）。
這兩者的差別在於：Prompt Engineering 只是在雕琢你丟進去的那句話；而 Context Engineering 則是像在幫新員工準備「入職培訓簡報（Onboarding Brief）」。新同事來到公司，你不會只給他一句「去把功能做出來」，你會幫他建立一個完整的認知環境。
對 AI 而言也是如此：它能展現出多少的判斷品味與專業度，完全取決於你如何幫它構築這個認知世界。
Context Engineering：六塊認知積木
角色、人格與最高指導原則。
專案、領域與內部知識。
短期狀態與長期專案記憶。
好壞範例與 few-shot 示範。
可呼叫的外部工具與使用格式。
權限、沙箱、審核與硬限制。
實戰步驟一：從「雕琢字句」轉向「入職培訓」的脈絡工程
要開始進行脈絡工程，你必須改變與 AI 互動的起手式：
拋棄「神祕咒語」的迷思：不要再花時間尋找網路上所謂的「完美 Prompt 範本」。新世代模型理解力極強，不需要靠特殊的修辭或符號來防呆。
像帶新人一樣，問自己一個關鍵問題：「一個高階人才要完成這項任務，需要掌握哪些資訊？而我又該如何把這些資訊轉為 AI 能高效讀取的規格？」 27 當你開始整理公司的隱性知識、過往踩坑記錄，並將其結構化提供給 AI 時，你就是在進行 Context Engineering。
實戰步驟二：用「六塊認知積木」拼裝 AI 的全景世界
根據 Google 課程的定義，構築 AI 認知世界的脈絡共分為以下六個維度，你必須像拼裝積木一樣，分門別類地將它們提供給 AI：
Instructions (系統指令)：負責定義 Agent 的角色定位、人格特質與最高指導原則，決定 AI 面對灰色地帶時的優先價值取捨。
Knowledge (領域知識)：提供專案特有的隱性知識（如公司內部專有名詞、目標客群痛點、特定系統架構規格）。
Memory (記憶系統)：包含短期對話狀態與長期專案記憶，避免 AI 每次開新對話都像個失憶的新員工。
Examples (行為示範)：即 Few-shot 提示法。與其花長篇大論解釋「有品味的排版」，不如直接給它兩個好範例（Golden Examples）與兩個壞範例。
Tools (工具定義)：告知 Agent 它可以呼叫哪些外部工具（如 Bash、Browser、MCP）、呼叫的參數格式，以及使用說明的環境。
Guardrails (硬性約束)：系統底層的物理約束。例如：當 AI 修改核心資料庫時，系統強制彈出視窗等待人類確認（Human-in-the-loop），或直接限制執行範圍。