摘要:在AIGC 应用开发的时候我们通常会遇到两个名词提示词工程和上下文工程,而且在dify的配置上我们也会看到这两个按钮,但是他们是什么关系的,各自对于AIGC应用影响的程度是怎样的?今天我们来详细分析一下。
是否会也有疑问,提示词工程和上下文工程有什么区别?
要简单区分这两者,可以这样理解:
提示词工程,关乎“如何问一个好问题”。 它专注于单次对话的质量,核心是精心设计你的提问方式和指令例如在dify的LLM组件中的系统提示词和用户提示词,以求从大模型那里获得一个直接、准确、高质量的回答。
上下文工程,则关乎“如何维持一场有深度的对话”。 它专注于多轮交互的连贯性与智能性。其核心任务是在复杂的对话或Agent执行过程中,动态地管理与筛选AI所能接触到的背景信息——这包括系统指令 system prompt,user prompt、可用工具 tool 、MCP服务,外部数据例如搜索新闻组件返回的数据以及完整的对话历史。它的最终目标,是用最精炼且相关的“记忆”,引导AI持续输出符合我们期望的行为,避免它“遗忘”或“跑偏”。
这样说,提示词工程是上下文工程中的一部分。
那么是否会有一个疑问,在dify的各种应用中,提示词工程和上下文工程对哪些应用类型有影响了?
我们其实已经很清楚dify的工作室中的应用类型有,聊天助手,agent,chatflow、工作流、文本生成,这几种类型,我们从这几种类型中是否有多轮交互,则可以判断不同应用类型是否受上下文工程的影响。
首先我们先给出一个结论:
| 应用类型 | 是否支持多轮交互 | 是否对上下文工程有要求? |
|---|---|---|
| 聊天助手 | 是,核心特性 | 要求极高 |
| agent | 是,核心特性 | 要求极高 |
| chatflow | 是, | 要求极高 |
| 工作流 | 否 | 无要求,对提示词工程有要求 |
| 文本生成 | 否 | 无要求,对提示词工程有要求 |
那么我们来详细说明一下,这几种类型为什么不同的应用类型对上下文工程有不同的需求:
1. 多轮交互支持分析
a. 聊天助手 & Agent:核心支持
这两种类型是为多轮对话而生的。
- 聊天助手:这是最经典的对话式应用。用户说一句,AI回复一句,并且能记住之前的对话内容,形成连贯的交流。它天然地维护着一个对话历史,这是实现多轮交互的基础。
- Agent:智能体是更高级的“聊天助手”。它不仅支持多轮对话,还在此基础上增加了自主规划和工具调用的能力。例如,用户说“帮我查一下今天北京的天气,然后规划一个户外活动”,Agent可能会先调用天气工具,再根据结果调用搜索工具,最后生成回答。这个过程本身就是多轮的(用户 -> Agent -> 工具 -> Agent -> 用户),并且依赖于对上下文的深度理解。
b. 工作流:有条件支持
工作流本身是一个有向无环图,它是否支持多轮交互,取决于你是否在流程中集成了 “对话”节点。
- 不带对话节点的工作流:更像一个单次执行的函数。你输入一组参数,它运行整个流程,输出一个结果,然后结束。例如,一个“新闻稿生成”工作流,你输入主题,它输出文章,对话结束。
- 带对话节点的工作流例如chatflow:当你将“对话”节点作为工作流的一部分时,这个工作流就具备了多轮交互的能力。
- 此时,工作流可以:
- 记住历史对话,大模型组件中的记忆组件。
- 在每一轮中,将用户问题和工作流中其他节点(如数据库查询、代码执行)的结果相结合,生成回复。
- 这使得工作流可以构建非常复杂的、基于状态的对话应用。
c. 文本生成:通常不支持
文本生成应用被设计为单次请求-响应模式。你提供一段提示词和内容,它生成一篇文本(如文章、邮件、摘要),任务就完成了。它默认不维护对话历史,每次请求都是独立的。
这里我们,我们就引出一个问题,什么样的提示词是好的提示词工程,应该怎么书写,以及优化方向是怎么样的?
如何写好一份“黄金系统提示词”?
写好系统提示词并非难事,我们可以遵循Role-Goal-Rules-(Few-Shot)。核心在于清晰、具体、无歧义。你可以遵循以下框架:
1. 明确角色与身份 这是最重要的第一步。清晰地告诉AI:“你现在是……”
- 示例:“你是一位拥有10年经验的资深软件架构师,擅长用通俗易懂的语言解释复杂的技术概念。”
2. 定义核心任务与目标 明确你希望AI完成的具体任务是什么,最终要达到什么目的。
- 示例:“你的任务是…