什麼是情境工程？正在取代提示工程的企業 AI 新學科

為什麼情境工程正在取代提示工程，成為企業 AI 的核心學科

根據《2026 情境管理現狀報告》，82% 的 IT 與資料領導者表示，僅靠提示工程已無法支撐企業內部 AI 的規模化部署。這一個數據，重新定義了企業領袖未來 18 個月應如何思考 AI 策略。

關鍵發現並非提示工程失效。它仍然有效。真正的轉變在於，提示已不再是瓶頸。真正的瓶頸，是運行時環繞在提示周圍的專有資料、檢索邏輯、記憶機制、工具呼叫，以及結構化指令。

本文將解釋情境工程的定義、為何它在 2026 年成為企業 AI 的主導學科，以及香港企業領袖在評估供應商與內部團隊時，必須掌握的五層架構。

什麼是情境工程？60 秒定義

情境工程是指系統化設計與管理 AI 模型在生成回應前所接收的每一項資訊。這包括系統指令、檢索文件、對話歷史、工具輸出、用戶狀態，以及持續記憶，所有資訊均經過有意識的篩選、結構化與排序。

提示工程問的是：「我應該對模型說什麼？」 情境工程則問：「模型在回答時應該看見什麼？」

這個轉變之所以重要，是因為在企業規模下，沒有任何單一提示能承載準確、可治理、可重複的答案。工作重心由文字雕琢，轉向資訊架構設計。

情境工程與提示工程有何不同？

情境工程與提示工程並非同一件事的不同規模，而是兩個完全不同的學科，擁有不同的負責人、不同的產出物，以及不同的成功指標。

提示工程存在於單一對話視窗內。產出物是一兩句精巧的指令，技能是語言精準度與創意表達。

情境工程則存在於一個系統內。產出物是一條管道，能在正確的時機，將正確的資訊組裝、過濾、排序，並注入模型。技能是資料架構、檢索設計，與治理機制。

一個人可以做提示工程。企業要做好情境工程，則需要一支團隊，通常包括資料工程師、領域專家、平台工程師，以及治理負責人。

企業情境工程的五層架構是什麼？

企業情境工程最容易理解的方式，是將其拆成五個截然不同的層次，每一層都有自己的設計選擇與失敗模式。將它們視為單一不分的整體，正是企業 AI 試點專案在概念驗證後停滯的最常見原因。

第一層 — 系統指令：持續性規則，定義 AI 的角色、適用範圍、拒絕條件，以及語氣。這些指令由法務與資安審核，並非由個別使用者每週改寫。

第二層 — 檢索知識：透過 RAG 從內部資料源提取的文件、政策與結構化記錄。設計問題是選擇哪些資料源、資料的新鮮度、過濾條件，以及權威性。

第三層 — 對話與會話狀態：當前對話、用戶任務，以及已給出的釐清。這一層決定 AI 是否表現出連貫性，還是顯得失憶。

第四層 — 工具與動作輸出：API 呼叫、資料庫查詢、計算函式，以及搜尋代理的結果。設計問題是要暴露哪些工具，以及如何為模型格式化它們的輸出。

第五層 — 長期記憶：關於用戶、用戶偏好、所屬部門與權限的持續事實。企業大部分隱私與合規問題，都集中在這一層。

為什麼 82% 的資料領導者在 2026 年將情境置於提示之上？

《2026 情境管理現狀報告》指出，2026 企業資料議程的首要優先項目共有三項。AI 就緒元資料以 62% 居首，情境品質與更快實現價值並列 55%。值得注意的是，這三項皆與更好的模型或更聰明的提示無關。

原因其實是數學性的。Anthropic、OpenAI 或 Google 的前沿模型，在基準任務上的表現幾乎完全一致，無論你使用的是出色的提示，還是平庸的提示，只要周圍的情境完整而準確。一旦情境不完整，即使是最優雅的提示，也會輸出幻覺或內容單薄的結果。

企業領袖並非要放棄提示技藝，而是認清一個事實，提示是方向盤，情境才是道路、燃料與地圖。

情境工程最常見的三種失敗模式是什麼？

大部分令人失望的企業 AI 專案，問題出在情境失效，而非模型失效。三種具體的模式，在香港與全球企業的試點檢討中反覆出現。

失敗一 — 檢索過時：AI 自信地引用 2023 年的政策文件，因為政策在 2025 年更新後，沒有人重新整理向量資料庫。模型對它所看到的文件並沒有判斷錯誤。是它看到的文件本身已經過時。

失敗二 — 情境膨脹：工程師將所有可能相關的文件全部塞入情境視窗，期望模型自己整理。實際上，模型的注意力被雜訊稀釋，輸出比更精準的檢索結果還要淺薄。

失敗三 — 身份盲點：系統不論用戶角色、部門或權限，向所有人展示相同的情境。初級分析員看到董事會層級的評論，區域主管看到自己轄區以外的資料。合規與語氣問題隨之而來。

香港企業領袖應如何啟動情境工程計劃？

起步動作並非聘請首席情境長，也不是購買新平台。起步動作是審視你目前的 AI 使用方式，實際上是如何組裝情境的，即使這個過程目前並不正式。

選擇一個高價值工作流程，例如客戶服務分類、內部政策查詢，或供應商合約檢閱。問四個診斷問題。AI 在回答前接收了哪些資訊？這些資訊從何而來？誰負責保持其新鮮度？誰負責根據使用者權限過濾？

如果團隊無法回答單一工作流程的這四個問題，那個工作流程就是依賴運氣，而非工程。先把一個工作流程做好，再擴展。從中浮現的可重複模式，就會成為你的企業情境工程操作手冊。

評估供應商的情境工程能力，你應該問什麼？

2026 年的供應商行銷物料將大量使用情境工程一詞。真正認真的供應商能回答具體的營運問題。行銷型供應商則做不到。

--- 你們如何對部署至我們生產環境模型的系統指令進行版本控制與審計？
--- 你們的檢索新鮮度承諾為何？當我們來源系統中的文件被刪除時，你們如何處理？
--- 你們如何依用戶角色與香港《個人資料（私隱）條例》的資料居留要求，限制檢索情境的範圍？
--- 當答案錯誤時，你們提供怎樣的可觀測性，讓我們追蹤是哪一層情境失效？
--- 長期記憶如何以單一用戶、單一記錄、單一部門為單位刪除？

如果供應商對其中任何一個問題的回應是投影片而非示範，你看到的是行銷情境工程，而非真正的學科。

結語：情境是企業 AI 的全新競爭前線

2026 年用 AI 取勝的領袖，不是擁有最好提示的人，而是已經系統化管理 AI 在回答前所看見內容的人。這就是情境工程，也是 2026 年香港企業級 AI 的入場門檻。

你不需要在這個季度內建立完整的五層架構。你需要的是選擇一個工作流程、回答四個診斷問題，並將答案轉化為可重複的模式。在 2026 年完成這件事的組織，將會默默累積一項只用提示的競爭對手無法追上的優勢。

懂 AI，更懂你 — UD 相伴，AI 不冷。陪伴香港企業走過每一次重大科技轉型 28 年，我們明白真正持久的優勢，從來都是建立在那些看似乏味的層次上，治理、檢索設計、記憶整潔。

建立你的企業情境工程基礎

了解架構只是第一步。設計第一個工作流程、選擇合適的檢索策略、建立治理機制，才是更困難的一步。UD 的 AI Employee Hub 為香港企業提供已完成情境工程設計的環境，內建角色範圍檢索、可審計記憶，以及符合《個人資料（私隱）條例》的治理機制。我們手把手帶你完成每一步，由你的第一次情境審視，到生產級部署，憑藉 28 年香港企業服務經驗，全程陪你走。