Context engineering is the new vibe coding.
最近，GitHub 上一个名为 context-engineering-intro 的项目火了。上线不到两周，Star 数就突破了 12k+。这个项目用一句话点明了核心：“Context engineering is the new vibe coding — it's the way to actually make AI coding assistants work.”
这句话揭示了一个关键事实：Vibe Coding 的概念很吸引人，但真正能让 AI 编程助手高效工作的，是 Context Engineering（上下文工程）。
今天，我们就来深入聊聊什么是 Context Engineering，它为什么至关重要，以及如何在你的 Python 等项目中进行实战应用。
01 什么是 Context Engineering？
先说说 Vibe Coding。
Vibe Coding 是 2025 年底流行起来的概念，核心思想是：用自然语言描述你想要的功能，让 Claude Code、Cursor 这类 AI 编程助手自动生成代码。
听起来很美好，对吧？但实际使用中，很多开发者遇到了这些问题：
- AI 生成的代码不符合项目规范
- AI 不理解你的架构设计
- AI 会重复犯同样的低级错误
- 你需要花费大量时间反复纠正 AI 的输出
问题出在哪？
根本原因在于 AI 缺少足够的上下文（Context）。
Context Engineering（上下文工程） 就是为了解决这个问题而生的。它指的是：通过精心设计和组织项目的上下文信息，让 AI 编程助手能够真正理解你的代码库结构、架构设计、编码规范，从而生成高质量、可直接使用的代码。
简单来说，两者的区别在于：
- Vibe Coding = “帮我写个用户登录功能”
- Context Engineering = “帮我在 FastAPI + PostgreSQL 的微服务架构下，遵循 PEP 8 规范，参考现有认证模块的模式，实现一个 JWT 用户登录功能”
02 为什么 Context Engineering 如此重要？
观察一下周围，你会发现开发者使用 AI 助手通常有三种状态。
状态 1：盲目信任
用户：帮我写个用户登录功能
AI：（生成了一段代码）
用户：（直接复制粘贴）
结果：代码跑不起来，或者不符合项目规范
状态 2：反复纠正
用户：帮我写个用户登录功能
AI：（生成了一段代码）
用户：不对，我们项目用的是 JWT，不是 Session
AI：（重新生成）
用户：还有，我们的数据库是 PostgreSQL，不是 MySQL
AI：（再次重新生成）
用户：还有还有...
状态 3：Context Engineering
用户：（提供项目上下文）
- 架构：前后端分离，Next.js + FastAPI
- 认证：JWT，token 有效期 7 天
- 数据库：PostgreSQL，使用 SQLAlchemy ORM
- 规范：遵循 PEP 8，函数需要 type hints
- 参考：参考 /auth/login.py 的实现模式
用户：帮我在上述上下文中，实现用户登录功能
AI：（生成符合项目规范的代码）
用户：（直接使用，无需修改）
看到了吗？Context Engineering 的核心价值在于大幅减少反复沟通的成本，显著提高 AI 首次输出的代码质量。
03 Context Engineering 的核心要素
根据 context-engineering-intro 项目的总结，高效的上下文工程应包含以下几个要素。
3.1 代码库结构
让 AI 了解你的项目目录是如何组织的。
my-project/
├── src/
│ ├── api/ # API 路由
│ ├── models/ # 数据模型
│ ├── services/ # 业务逻辑
│ └── utils/ # 工具函数
├── tests/ # 测试文件
├── config/ # 配置文件
└── docs/ # 文档
为什么重要？ AI 需要知道新代码应该放在哪里，以及如何正确引用项目中已有的模块。
3.2 架构模式
让 AI 理解你的整体架构设计。
## 架构模式
- **分层架构**：Controller → Service → Repository
- **依赖注入**：使用依赖注入容器管理服务
- **错误处理**：统一使用 AppException 类
- **日志**：使用 structlog，包含 request_id
为什么重要？ 确保 AI 生成的代码符合你的架构约束，而不是随意发挥，产生架构上的“异味”。
3.3 编码规范
明确告诉 AI 你的代码风格要求。
## 编码规范
- 函数必须有 type hints
- 所有公共方法必须有 docstring
- 使用 f-string 格式化字符串
- 异常处理必须记录日志
- 禁止在业务逻辑中 print()
为什么重要？ 避免生成风格迥异的代码，减少 Code Review 时在格式规范上耗费的时间。
3.4 技术栈信息
清晰列出项目所使用的技术和版本。
## 技术栈
- **前端**：React 18, TypeScript 5, TailwindCSS
- **后端**：Python 3.11, FastAPI, SQLAlchemy 2.0
- **数据库**：PostgreSQL 15
- **缓存**：Redis 7
- **消息队列**：RabbitMQ
为什么重要？ 防止 AI 使用过时的、废弃的 API 或不兼容的库版本，特别是当你项目里使用的 数据库 或中间件有特定版本要求时。
3.5 业务领域知识
向 AI 解释清楚你的业务逻辑和核心概念。
## 业务概念
- **用户**：分普通用户和 VIP 用户，VIP 有额外权限
- **订单**：状态包括 pending/paid/shipped/completed/cancelled
- **积分**：1 元=1 积分，VIP 用户 1.5 倍积分
为什么重要？ AI 需要理解业务规则，才能生成逻辑正确的代码，而不仅仅是语法正确的代码。
04 实战：如何实施 Context Engineering？
理论讲完了，我们来看看具体怎么做。
4.1 创建 CONTEXT.md 文件
在你的项目根目录下创建一个名为 CONTEXT.md 的文件。这是你项目的“AI 说明书”。
# Project Context
## 项目概述
[简短描述项目是做什么的]
## 技术栈
[列出主要技术和版本]
## 架构模式
[描述架构设计]
## 目录结构
[关键目录说明]
## 编码规范
[代码风格要求]
## 业务概念
[核心业务术语解释]
## 参考实现
[典型代码示例]
4.2 在 AI 会话中提供上下文
使用 Claude Code 时，可以通过几种方式注入上下文：
# 方式 1：使用 /context 命令直接引入文件
/context /path/to/CONTEXT.md
# 方式 2：在提问中引用文件
@CONTEXT.md 帮我实现用户登录功能
# 方式 3：通过命令行参数传递
claude-code --context ./CONTEXT.md "帮我实现用户登录功能"
使用 Cursor 时，通常在聊天框中 @CONTEXT.md，然后输入你的问题即可。
4.3 使用 claude-mem 自动管理上下文
claude-mem[1] 是一个 Claude Code 插件，它可以：
- 自动记录你每次会话中的重要上下文信息
- 智能压缩并存储关键点
- 在后续相关的会话中自动为你注入这些记忆
安装很简单，在 Claude Code 中执行：
/install claude-mem
使用时，你可以随时保存关键信息：
/mem save 这个项目使用 JWT 认证，token 有效期 7 天
/mem list # 查看所有已保存的上下文记忆
4.4 创建项目特定的 AI 指令
你可以在项目根目录创建 .clinerules（Claude Code）或 .cursorrules（Cursor）文件，来定义 AI 在该项目中必须遵守的行为规范。
# 项目规则
## 代码风格
- 始终使用 type hints
- 函数不超过 50 行
- 一个函数只做一件事
## 架构约束
- Controller 不能直接访问数据库
- 所有异常必须被捕获并记录
- 禁止循环 import
## 测试要求
- 新代码必须有单元测试
- 测试覆盖率不低于 80%
AI 助手会自动读取这些规则文件，并在生成代码时严格遵守。
05 一些高级技巧
5.1 分层上下文
不要一次性把 CONTEXT.md 的全部内容扔给 AI。根据任务阶段，分层提供信息：
Level 1: 项目概述 + 技术栈（首次会话建立整体认知）
Level 2: 架构模式 + 目录结构（开始编写具体功能时）
Level 3: 具体模块的实现细节 + 业务规则（深入开发或调试时）
5.2 动态上下文
根据当前任务类型，动态提供最相关的上下文：
写新功能 → 提供架构模式 + 编码规范 + 参考实现
修复 Bug → 提供相关模块的代码 + 错误日志 + 测试用例
代码重构 → 提供完整的模块依赖图 + 现有测试用例 + 性能指标
5.3 上下文压缩
当需要引用的代码文件很长时，可以先让 AI 帮你总结核心信息：
请帮我总结这个文件的关键信息，保留：
- 核心类和方法及其作用
- 重要的配置项和默认值
- 关键的业务规则和逻辑
删除：
- 详细的函数实现代码
- 普通的注释
- 示例数据
这样可以节省宝贵的上下文 Token，同时保留精髓。
5.4 上下文版本控制
CONTEXT.md 应该被视为项目文档的一部分，随项目迭代而更新。
git add CONTEXT.md
git commit -m “更新上下文：添加新的微服务通信协议说明”
06 总结
Vibe Coding 是令人兴奋的起点，而 Context Engineering 才是真正高效的终点。
仅仅停留在 Vibe Coding 阶段，你得到的只是一个“偶尔能蒙对”的 AI 助手。但掌握了 Context Engineering，你将拥有一位“深刻理解你的项目和需求”的编程伙伴。
核心要点回顾：
- 创建 CONTEXT.md — 这是你与 AI 沟通的项目基石。
- 使用 .clinerules/.cursorrules — 为 AI 设定明确的行为边界和规范。
- 利用 claude-mem 等工具 — 让上下文管理自动化、智能化。
- 分层、动态地提供上下文 — 根据任务精准投放信息，提升效率。
- 持续维护和更新上下文 — 确保 AI 的理解与项目进展同步。
最后，一个共识正在形成：AI 编程助手不会替代程序员，但善于运用 Context Engineering 的开发者，将会拉开与不善于使用者的效率差距。
资源链接：
如果你想了解更多关于如何设计高可用、可扩展的 后端架构 来配合 AI 高效开发，可以到技术社区交流讨论。希望这篇指南能帮助你更好地驾驭 Claude Code，释放 10 倍编程潜力。
发表于 14 小时前
|
查看: 3|
回复: 0
