2026 年 Gartner 给 AI 负责人的建议相当直接：情境工程（Context Engineering）已成主流，提示工程（Prompt Engineering）正在退场。真正从 AI 得到稳定产出的企业，并不是聘请了更会写提示的人，而是重新设计了「AI 在推理之前，被允许看到什么」。
这个分野如今已经是一条预算项目、一项架构决策；在香港，更是一个合规问题。本文说明情境工程是什么、如何运作、企业情境层的四个组成部分，以及哪些错误会令整项工作沦为一个没有可衡量产出的昂贵数据项目。
什么是情境工程？
情境工程是一门设计学科，决定 AI 系统在回答之前，会把哪些信息、工具与机构知识组装进它的工作记忆。提示工程优化的是「问题怎样措辞」，情境工程管理的是「模型在推理那一刻能接触到什么」。
根据 Gartner 的定义，情境工程是指设计并结构化相关数据、工作流程与环境，使 AI 系统能理解意图，并在不依赖人工提示的情况下，交付符合企业要求的成果。
实质分别在于问题本身改变了。提示工程问：这句话应该怎样写？情境工程问：模型此刻需要看到什么，以及它永远不应该看到什么？
为什么提示工程已经不足够？
提示工程之所以不再足够，是因为企业 AI 已由「回答单一问题」走向「跨受管系统执行多步骤工作」。一句写得再好的提示，也无法修正一个被喂了错误文件、过期政策版本，或完全没有上一节对话记录的模型。
失效模式相当具体。当 AI 基于不完整或未经批准的来源，产出一段语气自信的答案，错误并不在措辞，而在「被检索到什么」。重写问题，只会得到一个措辞不同但同样错误的答案。
Gartner 预测，到 2028 年，情境工程功能将成为八成用于构建 AI 应用的软件工具的一部分，并将令代理式 AI 的准确度提升至少三成。这句预测其实是在指出：准确度真正来自哪里。
还有治理层面。提示不是可审计的基础设施，情境层才是。当监管机构或内部审计委员会追问「这个 AI 判断用了哪些数据」，答案必须来自检索与权限设计，而不是一段对话记录。
情境工程实际如何运作？
情境工程的运作方式，是为每一项 AI 任务组装一套即时、已核对权限的工作数据集，并在任务执行过程中持续管理这套数据。四个动作构成核心：写入信息、筛选相关内容、压缩过长部分、隔离必须分开的内容。
换言之，AI 系统不再收到一大段文字，而是收到一个经过策划的环境：一组检索路径、一个记忆存储、一份范围受限的工具清单，以及任务延长时应该舍弃什么的规则。
Anthropic 将其中一种日渐普及的技术称为「即时检索」（just-in-time retrieval）：系统只在需要时，通过文件路径或查询字符串等轻量识别码，才把底层内容拉进情境，而非一开始就全部载入。
对管理层而言，关键结论是：情境是一套系统，不是一项设置。它有负责人、有成本，也有失败率。
企业情境层有哪四个组成部分？
企业情境层由四个部分组成：检索、记忆、工具范围与压缩。每一部分回答一个不同的问题，也各自对应组织内不同的负责人。把四者混为一个笼统的「数据问题」，是最常见的设计错误。
一、检索：系统可以查阅什么？
检索涵盖系统如何找到来源材料，方法包括向量搜索、对数据库的结构化查询、直接读取文件，以及即时查找。
--- 负责人：数据与平台工程
--- 关键控制：权限继承。AI 系统绝不可检索到提出请求的使用者本人无权打开的内容
--- 失效信号：答案听起来正确，但建立在已被取代的旧文件之上
二、记忆：系统记得什么？
记忆分为短期与长期。短期记忆是目前为止的对话与工具结果；长期记忆是跨节次保留的内容，例如已批准的定义、项目惯例与过往决策。
--- 负责人：使用该系统的业务部门
--- 关键控制：明确的保留与删除政策。在《个人资料（私隐）条例》之下，这一点与准确度同等重要
--- 失效信号：系统重复追问已经回答过的事，或记住了本应遗忘的内容
三、工具范围：系统可以做什么？
每一项开放给 AI 的工具都会消耗容量并增加干扰。收窄范围，意思是只给每项任务它真正需要的最小动作集合。
--- 负责人：信息安全与 IT 运维
--- 关键控制：按任务而非按系统授予最小权限
--- 失效信号：一个只需读取的 AI 流程，却拥有写入权限
四、压缩：系统应该刻意忘记什么？
任务一旦执行时间拉长，较旧的材料必须被浓缩，让重要部分留存。Anthropic 已将此产品化为自动情境压缩，在接近工作上限时，自动摘要较早的对话内容。
--- 负责人：平台工程，并由业务方确认「绝不可被摘要掉」的内容
--- 关键控制：一份必须在每次压缩后存留的事实清单，例如客户识别码与监管限制
--- 失效信号：任务执行越久，输出质素越差
把四者分开的理由是问责。当输出出错，你需要知道是哪一环失效，而且必须有一个具名的人负责修正。
情境工程在香港企业是什么模样？
在香港，情境工程正是 AI 野心与《个人资料（私隐）条例》的交汇点。情境层是数据最少化、目的限制与保留规则真正被技术性执行的地方，因此它也是整个 AI 项目中，最能站得住脚向董事会或监管机构陈述的部分。
监管背景已相当具体。个人资料私隐专员公署于 2026 年 5 月完成对 60 间香港机构的合规检查。其中 57 间（约 95%）在日常运作中使用 AI，29 间（约 51%）同时运行三个或以上的 AI 系统。专员未发现违反条例的情况，但呼吁机构以主动且有结构的方式处理 AI 治理。
三个场景说明实际情况：
金融服务公司处理客户合适性问题。情境层必须只检索现行版本的产品合适性政策，绝不可在查询甲客户时把乙客户的持仓放进视野，并须保留可审计记录，说明每个答案依据的是哪一个政策版本。这属于检索设计与工具范围，不是提示措辞。
物流营运商回应货运异常查询。系统需要即时营运数据，而非昨晚的导出档。长期记忆保存客户专属的处理协议。压缩规则必须保证托运编号与任何危险品限制，在每一次摘要后都仍然存在。
物业管理集团处理租户请求。物业管理正是 2026 年合规检查新增的行业之一。租户记录含有明确保留期限的个人资料，因此记忆部分需要一套与机构既定保留政策一致的删除排程，并且由系统执行，而非依靠人工流程。
三个场景的共通点是：竞争优势不在于更聪明的模型。同一个模型，任何对手下星期都能买到。优势在于你的 AI 是在你受管、现行、权限正确的机构知识上推理，而对手的并非如此。
如何判断你的情境层正在失效？
失效的情境层会产生一种可辨识的模式：输出流畅、自信、合理，却在使用者本身已知答案时才会被发现是错的。症状不是明显胡言乱语，而是安静的不准确，逐步侵蚀信任，直至采用率停滞。
本季值得检查的五个诊断信号：
--- 使用者习惯性手动把同一批背景材料贴进 AI 系统，说明检索没有触及他们需要的内容
--- 任务或对话一延长，答案质素明显下降，这指向压缩设计
--- 两个团队就同一项政策问题得到实质不同的答案，这指向来源版本互相竞争或过期
--- 没有人能说出某个输出依据了哪些文件，即代表没有审计路径
--- 采用率在第三周见顶之后持续下滑，这通常是信任问题，而非培训问题
Forrester 的 2026 年研究为「不去衡量」的代价提供了数字。在其 2026 年调查组别中，没有自动化评估机制的 AI 代理，过去一年的回退率为 47%；具备完整评估覆盖的代理，回退率只有 9%。差别并非模型质素，而是有没有人系统性地检查系统依据了什么。
企业推行时最常犯什么错？
最常见的错误，是把情境工程当成一个没有明确产出的数据清理项目。机构花两季整合文件，产出一份无人使用的治理框架，却从未把工作连结到任何一项有可衡量前后对比的业务任务。
五个应该避免的失败模式：
--- 想一次做完全部。在任何应用场景上线之前，就要把所有企业数据变成「AI 就绪」。应该选一个工作流程，把它的情境设计好，量度成效，然后才扩展。
--- 把所有东西塞进窗口。更多情境不等于更好的情境。无关材料会争夺模型注意力，实质上令输出变差。
--- 省略权限继承。建立一套忽略「是谁在问」的检索机制，是通往数据事故最快的路径，而且上线后补救代价极高。
--- 把压缩交给预设值。如果业务方从未指定哪些事实必须在摘要中存留，系统最终一定会丢掉一项重要的。
--- 没有具名负责人。当检索、记忆、工具范围与压缩由「大家一起」负责，实际上就等于没有人负责。每一项都需要一个问责到人的名字。
另有一个值得指出的次序错误。情境工程并非每个 AI 项目的前提。若任务范围狭窄、文件集细小干净而且现行，仔细的提示设计加基本检索已经足够。这门学科变得必要，是当 AI 需要跨系统行动、跨节次记忆，并且要经得起审计的时候。
策略要点
情境工程重新定义了企业 AI 的问题。竞争变量已不再是你买了哪个模型，因为对手下星期就能买到同一个。变量在于你的 AI 系统是否在现行、受管、权限正确的机构知识上推理，以及你能否证明这一点。
对营运副总裁或数字转型负责人而言，这是一个比「升级模型」更站得住脚的投资故事。它同时也更难做，横跨数据工程、信息安全，以及拥有知识的业务部门。任何告诉你这件事很简单的人，都没有在一套旧系统上真正执行过权限继承。
从一个工作流程开始。为四个组成部分各自指定负责人。量度前后准确度。然后才扩展。这个次序并不炫目，但它是能够让董事会愿意再次拨款的那一个。
二十八年香港科技周期告诉我们，持久的优势很少来自最新的工具，而是来自那些在别人忙着买授权时，把地基做好的企业。懂AI，更懂你 UD相伴，AI不冷。
延伸阅读：企业 AI 准确性与检索质素框架，以及低质 AI 产出在团队内部造成的隐性成本。
本文由 UD 企业 AI 团队审阅。
从哪里开始
掌握了框架，下一步是弄清楚你自己的情境层处于什么状态。UD 团队手把手带你完成每一步，由 AI 准备度评估、检索设计、治理控制，到部署上线与成效追踪，二十八年香港企业服务经验，全程陪你走。
