Context Engineering 入门

简介

适合人群

用 Claude Code 或类似编程助手写过代码、但觉得「让 AI 靠谱地干完整件活」很难的人；零基础也能跟着模板走。

核心内容

1. 01核心理念：Context Engineering 是什么

   仓库把 AI 编程的方式分层对比：Vibe Coding 是「随便聊聊就生成代码」，Prompt Engineering 是「靠巧妙措辞让 AI 干活」，而 Context Engineering 是把整个上下文当作系统工程来设计——包括文档、示例、规则、模式与验证。它用「便利贴」比喻 prompt engineering（只交代一句话），用「写完整剧本」比喻 context engineering（把布景、灯光、前史、走位全部写清楚）。

2. 02为什么它更可靠：大多数 Agent 失败是上下文失败

   仓库的核心论点：多数 Agent 失败不是模型能力不够，而是「上下文失败」——AI 没有拿到完成端到端任务所需的信息。喂对上下文后，AI 会遵循你的项目模式与约定（一致性）、能处理多步骤复杂功能，还能靠验证循环自纠错误。这就是「10 倍于 prompt engineering、100 倍于 vibe coding」的含义。

3. 03模板结构：CLAUDE.md + INITIAL.md + examples/ + PRP

   模板是一个可直接 clone 的项目骨架：CLAUDE.md 存放全局规则（代码结构、文件大小、测试要求、风格约定）；INITIAL.md 用来写初始功能需求；examples/ 放参考代码模式（仓库强调它是「关键中的关键」）；PRPs/ 存放生成的实现蓝图；.claude/commands/ 定义 /generate-prp 与 /execute-prp 两个斜杠命令。体系以 Claude Code 为主，但理念完全可迁移到其他编程助手。

4. 04PRP 工作流：从需求到带验证门控的实现

   核心工作流是两条命令的闭环：先写 INITIAL.md，跑 /generate-prp 让它研究代码库模式、检索相关文档并生成一份完整的 PRP；再跑 /execute-prp 让它按蓝图拆计划、分步实现、跑测试与 lint 验证、失败就修复迭代。PRP 类似产品需求文档（PRD），但专门为给 AI 编程助手下达指令而设计，每个都带验证门控（validation gates），提高「一次写对」的概率。

5. 05最佳实践：写具体需求 + 喂足示例

   仓库给出的实践要点：把 INITIAL.md 写具体——FEATURE 别写「做个爬虫」，要写成「用 BeautifulSoup 写异步爬虫、处理限流、存 PostgreSQL」；在 examples/ 里放足参考模式（AI 看到模式后表现显著提升，示例要同时展示该做的和不该做的）；设置验证门控（必须通过的测试命令）；善用官方文档与 MCP 资源；按项目定制 CLAUDE.md。

实践建议

• clone 模板，把 CLAUDE.md 改成你自己项目的规则与约定，跑一个真实会话对比差异。
• 用 INITIAL.md 写一个你想做的功能，分别试「一句话需求」和「填写全部字段」，对比生成的 PRP 质量。
• 在 examples/ 里放一个你项目最典型的模块，让 AI 模仿它的结构写新代码。
• 为一个小功能完整走一遍 /generate-prp → /execute-prp 闭环，观察验证门控如何逼 AI 自测。

配套工作流

同类资源