--- layout: single title: "大模型应用开发范式的演变" date: 2026-02-25 18:00:00 +0800 categories: [AI 与大模型, 编程开发] tags: [Prompt Engineering, Context Engineering, Vibe Coding, Agentic Engineering, AI应用开发 LLM] --- 这四个术语是当前大模型应用开发的核心范式，从指令设计、信息管理、生成式编程到自主智能体构建，层层递进，共同构成了 AI 应用开发的技术栈。 以下是通俗易懂的拆解： --- ## 1. Prompt Engineering (提示工程) 这是最基础的技能，重点在于**指令的质量**。 如果把 AI 比作一个极其博学但有时听不懂人话的实习生，Prompt Engineering 就是学习如何写出完美的“任务说明书”。 * **核心逻辑**：通过调整输入的文字（提示词），引导模型输出更高质量的结果。 * **常用技巧**：给 AI 设定角色（“你是一个资深翻译”）、提供示例（Few-shot）、要求逻辑推演（Chain of Thought）。 * **比喻**：就像是在搜索引擎里输入更精准的关键词，或者给厨师下达非常具体的菜谱要求。 --- ## 2. Context Engineering (上下文工程) 随着模型处理能力增强，大家发现“怎么说”固然重要，但 **“给它看什么资料”** 更重要。这就是上下文工程。 * **核心逻辑**：管理和优化输入给模型的信息流。AI 的记忆（上下文窗口）是有限的，你需要精准地挑选出最相关的背景知识喂给它。 * **典型应用**：**RAG (检索增强生成)**。当你问关于公司手册的问题时，系统先去数据库里搜出相关的几段话，塞进对话框里，AI 才能据此回答。 * **比喻**：开卷考试。Prompt 是考题，Context 就是那本允许你带进考场的、划满了重点的参考书。 --- ## 3. Vibe Coding (氛围编程) 这是一个比较新兴且带点感性色彩的词。它描述的是一种 **“通过描述意图而非编写代码”** 来创作的模式。 * **核心逻辑**：开发者不再纠结于具体的语法（Syntax），而是向 AI 描述一种“感觉（Vibe）”、逻辑流或最终形态。AI 负责重活，人类负责审美、方向把控和交互体验。 * **特点**：极高的高度抽象。你可能在用自然语言和 AI 聊天，不断调整产品给人的“感觉”，直到它自动生成你想要的软件。 * **比喻**：你不是在搬砖砌墙，你是在当导演。你告诉 AI：“我想要一个复古风格、操作丝滑、让人感觉很解压的记账软件”，剩下的交给 AI。 --- ## 4. Agentic Engineering (智能体工程) 这是目前的尖端方向。重点不在于让 AI 回答一个问题，而在于**让 AI 完成一个复杂的流程**。 * **核心逻辑**：将 AI 包装成一个具有“自主性”的 Agent（智能体）。它不仅能思考，还能使用工具（搜索网页、写代码、发邮件），并且能够**自我反思和迭代**。 * **关键点**：它涉及多步推理、错误自我修复以及不同 AI 之间的协作（Multi-agent）。 * **比喻**：你不再是招一个临时工，而是成立一个自动化部门。你下令“帮我调研并买好去巴黎最划算的机票”，AI 会自己去比价、查攻略、确认信用额度并执行。 --- ### 总结对比 | 术语 | 关注点 | 你的角色 | 目标 | | --- | --- | --- | --- | | **Prompt Engineering** | 指令语法 | 下令者 | 获得好的单次回复 | | **Context Engineering** | 背景数据 | 资料员 | 让 AI 拥有专业知识 | | **Vibe Coding** | 意图与体验 | 审美者/导演 | 快速从想法变成产品 | | **Agentic Engineering** | 流程与工具 | 架构师/经理 | 实现自动化的复杂任务 |