第三章：上下文构建——用背景信息锁定AI的回答范围
你有没有遇到过这种情况？
同一个问题，问AI两次，得到完全不同的答案。有时候靠谱，有时候跑偏。
我刚开始研究提示词时，就经常被这种「随机性」搞得很头疼。后来我发现，问题不在AI，在我自己——我没给它足够的上下文。
3.1 为什么上下文这么重要？
说白了，AI就像一个超级聪明但完全不了解你处境的新同事。
你问它「这个方案怎么样？」它不知道你预算多少、工期多紧、面向什么用户。它只能给一个泛泛而谈的答案。
但如果你说：「我们是一个5人创业团队，预算20万，要做一款面向大学生的英语学习App，这个方案怎么样？」
你看，答案质量完全不一样了。
核心原则：AI的回答质量，取决于你提供的背景信息质量。
你给的背景越精准，AI的回答就越贴合你的需求。
我在项目中遇到过最典型的例子：让AI写一段Python代码。第一次只说了「写个爬虫」，结果它给我写了个Scrapy框架的完整项目。我其实只需要一个简单的requests+BeautifulSoup脚本。第二次我加了「单文件、不用框架、目标网站是静态页面」，这次就对了。
3.2 上下文构建的四个维度
我个人习惯把上下文拆成四个维度。你想想看，每次提问前，先过一遍这四点：
| 维度 | 说明 | 示例 |
|---|---|---|
| 角色背景 | 你是谁？AI应该扮演什么角色？ | 「你是一名资深前端工程师」 |
| 场景背景 | 在什么场景下使用？ | 「这是一个面向老年人的健康管理App」 |
| 约束条件 | 有什么限制？预算？时间？技术栈？ | 「只能用React，不能用Vue」 |
| 目标定义 | 你最终想要什么？ | 「我需要一个可直接运行的HTML文件」 |
小技巧：每次提问前，花10秒钟想一下这四个维度。不用全写，挑最重要的2-3个就行。
3.3 实战案例：从模糊到精准
来看一个真实对比。我拿「写一份周报」来举例：
❌ 模糊提问：
帮我写一份周报。AI会给你一份通用模板，但大概率用不上。
✅ 精准提问：
你是一名互联网公司的产品经理。
本周完成了用户调研报告初稿、和开发团队开了3次需求评审会、上线了一个小功能但出了bug。
请帮我写一份周报，要突出工作成果，弱化bug问题。格式用要点式，不要超过300字。你看，加了上下文之后，AI知道：
- 你的角色是产品经理（语气要专业）
- 本周具体做了什么（内容要真实）
- 你的诉求是突出成果、弱化问题（有策略性）
- 格式和字数要求（直接可用）
注意：上下文不是越多越好。信息过载反而会让AI抓不住重点。
我曾经试过给AI写了一段500字的背景介绍，结果它完全跑偏了。后来我精简到100字，效果反而更好。
嗯，这里要注意：关键信息要前置，次要信息放后面。
3.4 上下文构建的常见误区
我总结了几条避坑指南，都是真金白银换来的经验：
- 不要假设AI知道你的背景
你以为「这个项目」AI应该知道？不，它不知道。每次都要说清楚。
- 不要一次性给太多信息
分步骤给。先给核心背景，等AI给出初步回答后，再补充细节。
- 不要用模糊的形容词
「好一点」「快一些」「优化一下」——这些词AI理解不了。要说「响应时间从2秒降到1秒以内」。
- 不要忽略负面信息
有时候告诉AI「不要什么」比「要什么」更重要。比如「不要用第三方库」「不要生成图片」。
我曾经犯过的错：
让AI帮我写一封商务邮件，只说了「写封邮件给客户」。结果它写了一封非常正式的公文，而我需要的是一封轻松的朋友式沟通。后来我加了「这个客户和我合作3年了，关系很好，语气可以随意一些」，效果立竿见影。
3.5 高级技巧：动态构建上下文
如果你和AI有多次对话，上下文是可以累积的。我个人习惯用「上下文锚点」来管理：
第一轮：
「你是一名Python数据分析师。我们有一个电商数据集，包含订单金额、用户ID、下单时间三个字段。」
第二轮：
「基于上面的数据集，帮我找出过去30天消费最高的前10个用户。」
第三轮：
「再帮我看看这些高消费用户最喜欢在什么时间段下单。」你看，每一轮都在前一轮的基础上增加新的上下文。这样AI的回答会越来越精准。
进阶技巧：如果对话太长，AI可能会「忘记」前面的上下文。这时候可以用一句话总结：「还记得我们刚才说的电商数据集吗？现在我要...」
3.6 总结：上下文构建的黄金法则
好了，这一章的核心就这些。我帮你总结成一句话：
给AI的上下文，就像给新同事的入职培训。
培训越到位，他干活越靠谱。
下次提问前，试着问自己三个问题：
- AI需要知道什么背景才能给出好答案？
- 哪些信息是多余的，可以删掉？
- 我有没有说清楚「不要什么」？
做到这三点，你的提示词质量至少提升50%。
下一章，我们会聊「角色扮演：让AI成为你的专属专家」。这个技巧我用了两年，效果出奇的好。到时候见。