随着企业开始将"上下文工程"作为提升AI系统可靠性与准确性的核心策略，该技术正崛起为AI时代的新必备要素。在AWS re:Invent 2025大会上，Elastic首席产品官肯·埃克斯纳强调，大型语言模型必须设计为"在正确时机、以恰当数据、于合适范围内"运行，才能产生可靠结果。
埃克斯纳表示："如今许多企业在实施智能体AI时，正面临单纯提示工程的局限性。要成功构建AI应用，持续为LLM提供正确上下文的工作至关重要。"他将此称为"上下文工程"，并预测其将成为未来AI开发的核心概念。
随着AI模型自主判断与行动的独立性日益增强，埃克斯纳指出必须警惕因上下文缺失可能导致的错误答案或不确定性。为此，检索技术、基于工具的推理技术、记忆系统等多种补充方法正被引入。他解释道："LLM本质上是预测下一个词的系统，只有在恰当的数据范围内进行这个过程，才能获得更一致、更可靠的结果。"
Elastic为解决这些技术挑战开发了"Elastic智能体构建器"解决方案。该工具通过组合用户定制提示与数据索引功能，支持构建精密的智能体应用程序，并内置基础对话型智能体，帮助用户轻松创建专属AI智能体。
评估上下文工程成败的标准也正在确立。在此过程中，"评估"与"可观测性"发挥着重要作用。埃克斯纳表示："现在需要像对待核心系统那样处理智能体，并加强性能验证与质量测试。这类验证应像单元测试般运作，同时需结合使用LLM作为评判者的集成测试。"
在寻求确保AI系统可靠性与可持续性的企业间，上下文工程正超越流行语范畴，扩散为实质性的技术基础战略。埃克斯纳通过此次大会展望道："未来一年内我们将更频繁地听到'上下文工程'这个术语，该领域将对AI迈向下一阶段发挥决定性作用。"
