看到 X 上一个 AI 博主 Nav Toor 写了一篇很有信息量的文章，讲了一个正在发生的行业转向：Prompt Engineering 这个曾经被吹上天的职业，大概只活了十八个月就凉了。LinkedIn 上标注这个头衔的人下降了 40%，专门的招聘岗位接近归零，Gartner 预测今年底 70% 的企业会用 AI 自动化提示词生成。取而代之的是一个叫 Context Engineering（上下文工程）的新学科，ZipRecruiter 上已经有 60 个在招岗位，年薪在 8.4 万到 23.5 万美元之间。
提示工程死掉的原因有三个。模型自己变聪明了，你不用再写"请扮演专家"这类话了；AI 任务从一问一答变成了跨越数小时的多步骤工作流，一条提示词管不住；这项技能被折叠进了开发、产品、运营等已有岗位里，不再是独立职业了。
上下文工程的核心思路是：提示工程关注你怎么问，上下文工程关注 AI 在回答之前看到了什么。它包含五个模块：系统指令（写一次永久生效的身份和规则文件）、记忆与状态（让每次会话从上次结束的地方继续）、工具集成（通过 MCP 协议让 AI 能调用邮件、日历、数据库等外部系统）、检索增强（把你的真实数据拉进上下文，让 AI 基于事实而非训练数据回答）、动态上下文组装（根据不同任务自动加载不同的信息）。
Nav Toor 举了个很直观的例子。提示工程的做法是打开 ChatGPT，写一大段要求让它帮你给客户写邮件，结果花 15 分钟修改语气和措辞。上下文工程的做法是打开 Claude Cowork，只说一句"给 John 发邮件说 Q1 延迟的事"，AI 已经从你的配置文件里知道你的写作风格、从项目上下文里知道 John 是重点客户、从 Gmail 里查了你们最近的邮件来匹配语气，产出的邮件几乎不用改。
文章里还提到一个残酷的现实：2026 年 3 月一个月就有 4.5 万科技工作者被裁，来自亚马逊、谷歌、微软、Meta。被裁的恰恰是那些把 AI 当工具用的人，聊天、复制、粘贴、重复。活下来的是围绕 AI 建系统的人。普通人想入门其实门槛不高，从写三个 markdown 文件开始：你是谁、你怎么写东西、你希望 AI 怎么配合你。就这一步，就能把每次 AI 交互前十分钟的重复对齐工作永久消灭掉。提示工程每次归零，上下文工程持续积累，时间越长差距越大。
原文地址：x.com/heynavtoor/status/2036157094341255344
#