上下文学习（In-Context Learning, ICL）、few-shot，经常看我文章的朋友几乎没有人不知道这些概念，给模型几个例子（Demos），它就能更好地理解我们的意图。但问题来了，当您精心挑选了例子、优化了顺序，结果模型的表现还是像开“盲盒”一样时……有没有可能，问题出在一个我们谁都没太在意的地方，这些例子，到底应该放在Prompt的哪个位置？
就在昨天，来自UCLA的两位研究者黄溢辰和杨林做了一件让整个AI圈都震惊的事。他们用Google的Gemini 2.5 Pro模型，在2025年国际数学奥林匹克竞赛中拿下了金牌水平的成绩，6道题解对了5道。这可不是什么花架子，IMO被公认为是测试AI推理能力的终极试金石，因为它需要的不仅仅是计算，更需要创造性思维和严密的逻辑推理。
你说：“帮我列下今天的会议日程。” 它迅速回复：“9 点产品部，11 点市场部，下午 2 点财务汇报。”——完美。
你是不是也有过这样的经历：写了几个prompt，很快就构建出一个能运行的应用程序，感觉像变魔术一样。但当你真正想要将它部署到生产环境中时，却发现困难重重。而擅长Spec-Driven Development（以需求为导向的开发）的Kiro，就是这些问题的正解。
2025上半年AI Agent领域经历模型竞争加剧和范式演进，DeepSeek等新模型打破垄断，推动Tool Use和强化学习突破。Agent从Prompt、Workflow发展为自主决策、环境感知和工具使用的智能体。编程领域验证PMF，落地机会集中于垂直场景和C端创新，但商业壁垒和技术挑战仍待解决。
就像是播放音乐，Prompt Engineering是在调音响的音量，那Context Engineering就是在设计整个音响系统，从音源、功放、音箱到房间声学，每个环节都要精心设计。Context Engineering本质上是设计和优化AI模型整个上下文窗口的工程学科。这不只是一个技术升级，更像是思维模式的根本转变。
现在再讨论 AI 写作，多少有点没劲：prompt 真的越来越像咒语了，越来越像一些神秘不可洞察的玄学技巧。这导致使用 AI 写东西的过程，不管是写什么类型的文字，过程都跟做法似的：赌指令能不能触发出一些好的生成。同时还得用大量的指令，去掉「AI味」。
最近「上下文工程」有多火？Andrej Karpathy 为其打 Call，Phil Schmid 介绍上下文工程的文章成为 Hacker News 榜首，还登上了知乎热搜榜。
最近网上出现了一些很有趣的声音——"提示词已死"、"写提示词把自己写死了"，这些文章认为随着模型变得越来越智能，精心设计提示词的时代已经过去了。但芝加哥大学的最新研究却给出了完全相反的结论：prompt不仅没有死，反而是理解大模型最重要的科学工具。
MT Park 的第12场AI分享会顺利进行！~🎉 感谢向阳乔木老师非常细致地分享了： 他探索 Prompt 的多场景实践，从 Cursor、Windsurf 等 vibe 编程工具，到 Veo3 的视频生成，覆盖编程、教育、内容创作等多个方向，带你快速上手 AI 最实用的玩法。
