AI 工程范式演进

为什么需要了解这四个阶段？

AI 工程领域的发展速度令人瞠目结舌。如果你只掌握了提示工程（Prompt Engineering），那么你已经落后了整整一个时代。从 2022 年到现在，短短四年时间里，AI 工程经历了四次深刻的范式跃迁，每一次都是对前一次的超越和包容。

什么是提示工程？

提示工程（Prompt Engineering）的核心定义是：设计自然语言输入来引导大语言模型输出特定结果。

这个概念看似简单，但背后隐藏着一个深刻的假设：同一个模型，不同的提示 → 完全不同的输出结果。

一个让人沮丧的场景

想象这个场景：你正在编写一个关于"Python MySQL连接最新最佳实践"的完美提示词。你精心设计了角色设定（“你是一位有10年经验的Python数据库专家”）、明确的指令（“只提供2024年的最佳实践，不要过时的方法”）、具体的格式要求（“列出主要方法、优缺点、代码示例、安全注意事项”）。

什么是上下文工程？

2025 年 6 月，Andrej Karpathy 在 OpenAI 工程博客上给出了上下文工程的定义：“the delicate art and science of filling the context window with just the right information for the model to take the next step.”

这一定义非常精辟。与提示工程（Prompt Engineering）的核心区别在于：

场景：信息正确，执行翻车

让我们从一个真实的故事开始：

背景：公司部署了一个基于 RAG 的技术文档问答系统。这个系统工作得非常好——当用户问"如何配置 Redis 集群？“时，它能准确地从技术文档中检索出相关信息，并给出详细的配置步骤。

什么是驾驭工程？

定义：驾驭工程是围绕 AI Agent 设计约束、反馈循环、工具系统和验证机制的工程学科。

这个定义听起来很学术，让我们用一个生动的比喻来理解：

场景：系统很可靠，但人还是最慢的环节

想象一个场景：你有一个完美的 Harness 系统。AI 能够：

• 分析需求并写代码
• 运行测试并验证输出
• 修复发现的 bug
• 优化性能和代码质量

系统每一步都工作得很好，可靠、可预测、可控。但是，每当发现一个 bug，你必须说"修复这个 bug"。然后又发现另一个 bug，你又说"修复这个 too"。接着是一个新功能请求，你说"实现这个功能"。

什么是循环工程？

定义（Addy Osmani, 2026年6月）：循环工程就是取代你自己作为提示智能体的人。你设计系统来做这件事。循环是一个递归目标，你定义一个目的，AI 不断迭代直到完成。

写在前面：为什么要懂这四个阶段？

很多人仍然认为"写好提示词就够了"——这已经过时了。这四个阶段不是孤立的知识点，而是一个完整的能力升级路径。

认知误区：

• 阶段一：提示工程 = AI 对话的精髓
• 阶段二：上下文工程 = 拉长对话
• 阶段三：驾驭工程 = 让 AI 更聪明
• 阶段四：循环工程 = 自动化提示

真相：