提示工程（Prompt Engineering）曾是極為熱門的新興 AI 職缺之一，如科技人才招募公司 SPG Resourcing 就於 2025 年指出，英國當地的 AI 提示詞工程師職缺數量，相較前一年增長了 180%。
提示詞工程師的招募熱潮，精準捕捉了生成式 AI 崛起時的商業氛圍，當時的企業正試圖理解如何與大型語言模型（LLM）對話，並試圖將各種早期實驗轉化為實用成果。
隨著 AI 不斷發展，根據會計師事務所 PwC 統計，英國當地對於 AI 專家的職缺招募，今年僅較去年增長約 61%。由此可見，雖然撰寫優質提示詞仍是工程師的重要任務，但企業已經開始擁有不同期盼，希望能夠獲得於公司內部實際應用 AI 技術的相關人才，而非僅僅是懂得跟 AI 模型互相對話的人。
當大多數企業不再滿足於初步運用 AI，而是更致力於建構可以在公司內部運作的 AI 代理、檢索增強生成（RAG）系統，以及具備人工智慧功能的工作流程時，這便衍生出了另一塊技能缺口，即所謂的「情境工程（Context Engineering）」，亦稱為「上下文工程」。
上下文決定輸出品質，需要有效控制
簡單來說，那些想要部署實用 AI 代理和 RAG 系統的企業，他們真正所需要的人才，其實是能夠設計出 AI 模型「運作環境」的人，並非只是高效率提示詞的撰寫者。
資料庫軟體公司 SurrealDB 執行長 Tobie Morgan Hitchcock 解釋，普遍而言提示工程只會著重於「指令」本身，但情境工程則著重於工程師下達指令時，AI 模型所身處的運作環境。
想要讓 AI 代理順利運作，工程師不僅需要撰寫一份合適的提示詞，更需要為 AI 提供正確資料、規則、歷史紀錄及權限範圍；即使是在程式開發情境下，人類也會需要給予 AI 相關的程式碼、測試流程、依賴項與部署限制等。
無論是哪一種情況，AI 的輸出品質都取決於上下文，若缺乏上下文，模型便只能根據不完整的資料進行推測；但是若上下文過多，系統則會產生雜訊且難以管控，因此情境工程的任務，就是讓上下文實用、即時且受到有效控制。
情境不可或缺，更要考慮資料塑形
Tobie Morgan Hitchcock 分析，隨著 AI 代理興起，情境工程的需求變得更加迫切，畢竟一個對上下文理解不足的聊天機器人，頂多只會給出不理想的回應，然而同樣的不足卻可能導致另一個 AI 代理犯下嚴重錯誤。
當 AI 開始調用工具、查詢系統，同時主動執行多步驟操作，情境便成為作業流程中不可或缺的一部分，它決定了 AI 代理能看到什麼、能做什麼，以及企業對於最終結果能給予多大信心。
同樣道理也幾乎適用於任何人工智慧專案，例如某個原型或許能在有限的數據集之下運作，可是一旦讓 AI 面對真實資料，它就會變得無比脆弱。
Tobie Morgan Hitchcock 說，大多數企業把客戶資訊存放在某個系統，營運資料則在另一個系統，其他重要知識則散見於各類文件和檔案，即便企業期望導入 AI 代理後，它能主動橫跨所有資料進行推理，但這種應用案例並非情境層或上下文本身可以承擔的用途。
舉例來說，金融服務團隊可能需要整合 CRM 資料、現有資料平台以及內部文件，才能讓 AI 代理給出準確回答，而其任務的難點，並非只有在於要求 AI 代理跨系統操作，更在於如何對資料進行塑形，令 AI 能夠檢索到正確來源，並確保其運作始終在適當的權限範圍內。
情境工程要求廣泛，人才需有充足知識
雖然企業對情境工程的需求日漸明確，不過在人才招募方面，這個職位究竟該如何稱呼，業界似乎還沒有定論。
Tobie Morgan Hitchcock 認為，有些公司可能會特別招募「情境工程師」，但許多企業應該會把這項任務，附掛在 AI 工程師、AI 代理工程師等，類似職位的需求之下，甚至成為資料、平台、資安與軟體工程團隊共同分擔的責任。
Tobie Morgan Hitchcock 強調，情境工程能力最關鍵的指標，在於執行者是否理解資料如何在系統中流動、權限如何被執行，以及原型程式如何演變為足以投入生產環境的可靠解決方案。
從另一個角度來看，情境工程的人才庫其實非常廣泛，即便機器學習專業仍然寶貴，但情境工程卻更仰賴現有的工程學科；舉凡熟悉資料處理與數據檢索的資料工程師、了解營運韌性的平台工程師、深知存取控制與可稽核性的資安工程師，以及擅長維護系統的軟體工程師等。
Tobie Morgan Hitchcock 直言，最優秀的情境工程處理人選，可能會以全端 AI 工程師的形態出現，即便他們不需要成為每個模型、資料庫或框架的專家，但確實需要具備足夠廣泛的知識，才能夠將模型層與企業內部系統相互結合。
環境設計不夠好，並非 AI 不夠強
隨著 AI 逐步投入實際應用，人工智慧相關職缺與能力需求也在發生變化；當大多數公司都開始懂得運用更強、效率更高的 AI 模型，未來真正可以凸顯企業競爭優勢之處，將來自於如何把 AI 模型與適當的商業情境相互結合。
Tobie Morgan Hitchcock 認為，能夠理解情境工程重要性的企業，將可以打造出更實用、更安全且更易於管理的 AI 代理與 RAG 系統；然而忽視這一點的企業，未來面臨問題時仍會一味歸咎於 AI 模型不夠強大、不夠聰明，忽略了真正系統性弱點，其實在於 AI 模型所處的運作環境，以及設計、處理情境工程的人才。
科技的變化總是快得驚人，而我們每天的工作，就是從龐雜的趨勢中理出觀點、提煉出決策者真正需要的洞察。如果你也對 AI 發展充滿熱情，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
【推薦閱讀】
◆ 【工程師薪資新變數】AI 推論成本進入薪資結構，token 消耗開始成為工程師談判籌碼
◆ AI 讓開發產出翻 3 倍，決策端卻跟不上，未來的工程師得開始做 PM 的工作
◆ 氛圍編碼讓初期開發飛快，卻讓營運知識四散，SDD 成 AI 輔助資料工程新解
＊本文開放合作夥伴轉載，參考資料：TechRadar、PwC，首圖來源：Pixabay
（責任編輯：鄒家彥）
