带15个模板Context Engineering 「圣经」刷屏 :提示词工程已死?别急——上下文工程可能死得更快

模仿传染：一场精心设计的「X已死」叙事

2025年中，Andrej Karpathy 在一次演讲中用「LLM是CPU」的类比解释了上下文工程。Tobi Lütke（Shopify CEO）在同一时期公开宣布「Context Engineering正在取代Prompt Engineering」。于是，一个叙事链条在不到三个月内形成：

René Girard 会一眼看穿这里发生了什么：这是经典的模仿传染。

Girard 的三角欲望理论说得清楚：你以为你想要Context Engineering，其实是因为你看到Karpathy想要它、Lütke想要它、你Timeline上所有人都想要它。欲望不是从你自己内心涌出的，是从「模仿中介」传递过来的。

而「X已死」这种叙事结构本身极其有利于传播——它制造紧迫感（你还在用旧方法！）、提供身份标签（你是懂Context Engineering的人）、并且天然自带分享冲动（我必须告诉别人这个新知识）。

但这不意味着Context Engineering本身没有价值。恰恰相反——模仿传染的问题不在于方向错误，而在于它让绝大多数跟风者停留在最肤浅的理解层。他们复制了模板，但没有理解模板背后的系统思维。

所有人面前摊着同一本手册，但没人在看

技能 ≠ 智能：15个模板到底教你的是什么

François Chollet 的核心洞见在AI圈被引用了无数次，但在Context Engineering的语境下却很少有人认真应用它：技能是按照已知模式完成任务的能力，智能是面对全新场景时的适应能力。

让我用这个框架重新审视Nav Toor的15个模板。

模板教你的是「技能」

模板1（个人上下文文件）告诉你：把你的身份、优先级、沟通风格写进系统指令。模板5（写作简报）告诉你：告诉AI受众是谁、目标是什么、不要写什么。模板8（反幻觉守卫）告诉你：让AI用[UNVERIFIED]标签标注不确定的内容。

这些都是好的技能。它们是模式化的、可复制的、立即见效的。就像学会了一套菜谱——按步骤操作，确实能做出及格的菜。

模板没教你的是「智能」

真正的Context Engineering需要的不是15个模板，而是回答一个根本问题：在这个具体任务中，AI需要看到什么信息才能做出最好的决策，而哪些信息会变成噪音？

这个判断无法模板化。因为它取决于：

用Chollet的话说：能用模板做到 ≠ 理解了为什么这么做 ≠ 能在新场景中自主判断。

一个具体的例子：模板6（决策框架）最后一行写着「不要保持中立，亮出立场」。这是一条精彩的指令。但为什么精彩？因为Nav Toor理解了一个深层机制——LLM在没有明确指示时会退回到「两方面都有道理」的安全输出模式，这是Reinforcement Learning from Human Feedback（RLHF）训练出的默认行为。这条指令的价值不在于那七个字，而在于写出这七个字的人对模型行为的理解。

一把崭新简单，一把古旧但齿纹复杂——技能与智能的分界

反脆弱性审计：模板依赖者的结构性脆弱

现在让Taleb上场。

Taleb的反脆弱三分法把所有系统分为三类：脆弱的（压力下崩溃）、强韧的（压力下不变）、反脆弱的（压力下变强）。让我用这个框架审计两种Context Engineering的实践方式。

方式A：模板复制者（脆弱）

你收藏了15个模板，在ChatGPT的Custom Instructions里粘贴了模板1，每次写邮件前复制模板5。效果立竿见影——AI输出确实好了50%。但问题来了：

这就是脆弱性：高度依赖外部给定的解决方案，缺乏在新环境中自适应的能力。模型一变，你就慌了。

方式B：系统构建者（反脆弱）

另一种做法是Nav Toor在文章末尾隐含的——但大多数读者跳过的——真正的方法论：模板15（技能构建器）。

模板15教你的不是一个具体的模板，而是一个元能力：把每次和AI交互中的经验（什么有效、什么无效、什么需要修正）沉淀成你自己的指令系统。这是反脆弱的——每一次失败都让你的系统更强，每一次模型变化都是一次压力测试，你的个人上下文库因此不断进化。

而这恰恰是文章中最不「吸睛」的模板。因为它不承诺「立刻见效」，所以大多数人直接跳过了。模仿欲望驱动人们寻找即时满足，而反脆弱性需要时间积累。

石墙裂缝中的树苗——压力下的反脆弱生长

真正的Context Engineering长什么样

如果15个模板是「技能」层面的入门，那真正的Context Engineering——Karpathy说的「你是操作系统」那个层面——到底在做什么？

不久前我拆过Anthropic Claude Code的51万行源码。那51万行代码就是工业级Context Engineering的教科书——不是一篇喊「Prompt Engineering已死」的文章，而是真正用代码构建的上下文操作系统。让我从中提炼出三个模板教不了你的核心能力：

1、动态上下文组装——不是写模板，是写编译器

Claude Code不是用一个固定模板，而是7层动态组装：静态规则+动态环境变量+用户偏好记忆+工具使用手册+Git状态+当前项目配置……每次对话的系统提示词都不一样，因为每次对话的上下文环境都不同。

Nav Toor的模板7（会话启动）是一个好的起点。但它是手动的——你需要自己把项目状态、之前的工作、当前目标一一写出来。Claude Code自动做了这件事。手动 vs 自动，一次性 vs 持续性，这就是模板和系统的差距。

2、上下文压缩——知道什么时候「忘记」

15个模板里完全没有讨论的一个关键问题是：上下文窗口是有限的。当你按照模板7把项目背景、历史工作、当前目标全部灌进去，再加上模板1的个人身份文件、模板2的品牌声音文件、模板3的工作规则……你的上下文窗口可能已经被「好的上下文」填满了，留给实际工作的空间反而不够。

Claude Code为此设计了三层压缩——微压缩（清理旧工具调用结果）、自动压缩（接近容量极限时触发）、完全压缩（用摘要替换全部历史）。Via Negativa——好的上下文工程不仅仅是「加入正确的信息」，更是「去除不再需要的信息」。

3、为失败而设计——反幻觉不只是一个标签

模板8的[UNVERIFIED]标签是一个好主意。但生产级的反幻觉策略远不止于此。Claude Code的做法是：42个工具中每一个都有独立的安全使用手册；默认安全设置是「最保守假设」（忘了声明安全性？那就当你最危险）；文件编辑工具强制要求「先读后改」——你不能修改你没有看过的文件。

这意味着什么？意味着真正的Context Engineering是在系统架构层面防止AI犯错，而不是在提示词里加一行「请不要编造」。一个是安全约束，一个是礼貌请求。差别就像法律和道德建议的区别。

Skin in the Game：模板传播者的利益审计

Taleb有一条简单但致命的检验标准：说这话的人，在自己的建议上押了多少注？

Nav Toor的15个模板文章在Twitter上以线程形式发布，配上了「Copy these. Paste these. Watch the output change immediately.」（复制粘贴，立刻见效）的承诺。文章上一篇关于Context Engineering概念的文章「went viral」，这一篇是续集——带来的是更多的关注度、更多的粉丝、更多的个人品牌资产。

这不是批评——内容创作者通过高质量内容获取关注完全合理。但作为读者，你需要意识到一个结构性偏差：文章的传播激励和你的学习激励是不对齐的。

真正在Context Engineering上有Skin in the Game的人是谁？是Anthropic那些写了51万行代码来管理上下文的工程师。是LangChain团队在生产环境中处理上下文检索、压缩、路由的开发者。是那些在agentic系统中被上下文窗口溢出、上下文腐烂（context rot）折磨了无数个bug之后，才总结出可靠方案的人。

他们不会写「15个模板让AI聪明10倍」。因为他们知道这件事没那么简单。