情境工程究竟是什麼？為什麼企業突然開始招聘這個職位？如果你曾經用 ChatGPT 處理生意上的問題，卻得到含糊甚至錯誤的答案，問題往往不在於你怎樣問，而在於「情境」。
在 2026 年，情境工程（Context Engineering）成為認真做 AI 的團隊用來取代「提示工程」的說法。這篇文章會用最淺白的語言，說清楚它是什麼、如何運作，以及對一間香港中小企來說，究竟改變了什麼。
什麼是情境工程？
情境工程，是指在正確的時機，把正確的資料餵給 AI 模型，讓它根據你真實的數據回答，而不是靠猜。它決定了在 AI 落筆之前，有哪些文件、記憶、工具和過往對話會進入它的視野。
你可以把 AI 模型想像成一位絕頂聰明的新員工：他讀遍全世界的資料，卻從未見過你的生意。提示工程，是向這位新人提出一條好問題；情境工程，則是先把你的價目表、預訂系統和上月的顧客電郵交到他手上，讓答案真正貼近你的公司。
這個詞在 2026 年變得普及，是因為團隊發現：瓶頸很少在模型本身，而在於問題周圍的那些資料。
情境工程與提示工程有什麼分別？
提示工程塑造的是你當下輸入的那條問題；情境工程則是建立一套系統，在 AI 回應之前，自動供應背景資料，包括檢索到的文件、記憶和工具結果。提示只是一行字，情境卻是模型視野裡的其餘一切。
實際分別在於：即使問題問得再好，只要 AI 無法讀取你的庫存、營業時間或退款政策，它依然會答錯。再巧妙的句子，也無法憑空生出模型從未獲得的事實。
正如一篇 2026 年的業界文章所言：提示的措辭遠不及「系統撈出了哪幾段文件、AI 呼叫了哪些工具」來得重要。真正的勝負手，不是更聰明的句子，而是在恰當時機取出正確的資料。
情境工程實際上如何運作？
情境工程會把一次回答所需、要進入模型情境視窗的所有內容組裝起來，再修剪到剛好容納。實務上，它由五個部件組成，系統會在模型落筆前自動準備。
- 檢索（RAG）：系統搜尋你的檔案，例如 PDF、試算表和過往對話，只抽出與問題相關的幾段內容。
- 記憶：它跨對話記住有用的事實，讓回頭客不必每次重複自己的訂單歷史。
- 工具：它讓 AI 查核即時來源，例如你的預訂日曆或庫存，而不是靠猜。
- 系統指令：常設規則，告訴 AI 它是誰、用什麼語氣、以及絕對不能做什麼。
- 視窗預算：由於情境視窗有上限，系統會把舊對話摘要，避免重要細節被擠出去。
把答案建立在真實、檢索得來的數據之上，也正是情境工程能大幅減少那種「言之鑿鑿卻是錯的」幻覺答案的最大原因。
情境工程對小生意為何重要？
對中小企而言，情境工程決定了你手上的 AI 是給空泛建議，還是像在你店裡做了多年的老員工般精準回答。它帶來的，是對你自家營運的準確度，而這正是入門級 AI 設定最常失手的地方。
想像一間香港餐廳。一般聊天機械人也許只會說「我們在正常時間營業」；而一個接上真實更表和餐牌的情境化助理，會答「我們 11:30 開門，午市套餐供應到下午三點」。
零售店可以讓顧客問「這件 M 碼有現貨嗎？」並得到即時答案，因為 AI 會去查庫存工具，而不是隨口編。地產代理則可以按需要即時調出每個盤的細節、則圖和睇樓時段，不必重複打字。
這與一個好的AI 知識庫建基於同一道理：AI 有多好用，取決於你為它接上多好的情境。
關於情境工程，人們最常誤解什麼？
最常見的誤解，是以為只要把問題問得更好，就能修正一個差勁的 AI 答案。事實上，大部分失誤源於情境缺失或混亂，而非提示本身。在投入時間之前，有幾個迷思值得先釐清。
- 「這只是提示工程換個名字。」不是。提示只是其中一項輸入；情境工程是整條餵養模型的流程。
- 「情境越多越好。」錯。把所有檔案一次過塞進去，只會撐爆視窗，把真正有用的部分埋沒。相關性勝過數量。
- 「你需要一支數據科學團隊。」起步不用。現今的無程式碼工具會替你處理檢索和記憶，讓不懂技術的老闆也能接上正確的來源。
- 「設定好就一勞永逸。」情境需要維護。當你的價格或政策改變，接上的來源也要同步更新，否則 AI 只會根據過時資料作答。
香港中小企如何開始做情境工程？
從小處著手。挑一條員工每天都要回答的重複問題，把 AI 接上唯一存有答案的那個來源，先驗證準確度，再逐步增加。你不需要一個大型項目，也能在一週內感受到成效。
- 第一步：列出顧客或員工問得最多的五條問題，例如價格、有沒有貨、營業時間和訂單狀態。
- 第二步：找出每條問題的正確答案本來存放在哪裡，可能是一張試算表、一個預訂系統，或一個文件資料夾。
- 第三步：先把 AI 接上那一個來源，用真實問題測試，並透過改善來源、而非改寫提示，去修正錯誤答案。
- 第四步：待第一個來源穩定可靠後，才加入記憶和第二個來源。
目標不是第一天就有一套完美系統，而是一個對你的生意「答得準」的 AI，然後每個月比上個月更能幹一點。
關於情境工程的總結
情境工程說到底，就是把正確的資料交給 AI，讓它不再靠猜、開始幫得上忙的一門功夫。對一間小生意而言，這個轉變，從空泛答案到建基於你自家數據的答案，正是 AI 由「新奇玩意」變成「真正有用」的分水嶺。
你不必精通理論，也能享受它的好處。你需要的，是把正確的情境、以正確的次序接上，以及一個願意陪你一起設定的夥伴。懂AI，更懂你 UD相伴，AI不冷。
本文由 UD AI 團隊審閱。
