JafarNajafov 总结上下文工程八种技巧
先了解这件事
2026-10-13，AGI Hunt 报道称，JafarNajafov 总结出 context engineering 的 8 种技巧，并称 Anthropic、OpenAI、Google 的工程师用同样的 LLM 能产出好 10 倍的结果，关键已不是 prompt engineering，而是 context engineering。同批报道随后逐项介绍：第 1 技为“角色与专长 persona”，即给 LLM 指定具体角色与经验背景以激活不同推理模式，在代码审查等任务中产出不同；第 2 技为“参考样例上下文”，即给模型 2-3 个目标风格实例并点破其中模式，把模糊需求变成精确执行；最新一篇介绍第 3 技“约束上下文提示法”，主张无限自由等于平庸输出，给出明确边界、写清不要做什么，会迫使模型聚焦解决问题。目前该系列仅披露前 3 项技巧，其余 5 项及实际效果未见进一步披露。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI Hunt约束上下文提示法：用禁止清单逼模型给出可执行方案
JafarNajafov 在其 context engineering 系列第 3 技中提出约束上下文提示法，主张无限自由等于平庸输出，给模型明确边界会迫使它聚焦解决问题，最好的提示词往往写清不要做什么。
- AGI HuntJafarNajafov 分享参考样例上下文方法，用 2-3 个示例约束模型输出
JafarNajafov 在 context engineering 系列第 2 技里提出参考样例上下文，给模型 2-3 个目标风格实例并点破其中模式，模糊需求就能变成精确执行。
- AGI HuntJafarNajafov 上下文工程第 1 技：角色与专长 persona 让代码审查产出不同
JafarNajafov 在 context engineering 系列第 1 技中提出角色加专长上下文，认为给 LLM 指定具体角色与经验背景会激活不同的推理模式。
- AGI HuntJafarNajafov 总结 context engineering 8 种技巧，称同一 LLM 产出可差 10 倍
JafarNajafov 提出，Anthropic、OpenAI、Google 的工程师用同样的 LLM 产出好 10 倍，关键已不是 prompt engineering 而是 context engineering。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。