Day 05 說人要負責給 Context，那時列的是你主動提供的部分：技術環境、限制、既有程式碼、不能碰的地方。

但 AI 實際看到的，比你主動給的多很多。

可以把 Prompt 想成你交代同事的一句話，Context 則是他桌上的所有東西：目前開啟的程式碼、前面聊過的內容、需求文件、錯誤訊息、截圖、專案規則，甚至工具剛剛查回來的資料。

你以為自己只丟了一句「幫我改這裡」，他桌上其實還攤著前面二十輪對話、三個沒關掉的檔案，和一份早就過期的舊規格。

太少：它只能用猜的

只說「修掉這個錯誤」，卻沒有給錯誤訊息、相關程式碼和執行環境，它很可能修錯地方。背景不足的時候，AI 通常不會停下來問，而是先猜一個交給你。

太多：資料都在，但找不到

把整個專案、數十份文件和長篇對話全部塞進去，就像把整間圖書館倒在他桌上。東西都在，卻不代表能快速翻到真正重要的那一頁。

研究也發現，同一份關鍵資訊放在開頭或結尾時最容易被用到，夾在中間時效果明顯下滑，連標榜長 Context 的模型也一樣。

衝突：舊決定不會自己消失

舊文件寫「使用 JWT」，新規格改成 Session，兩份資料同時存在，AI 就可能選錯版本。

這在 Vibe Coding 特別容易發生，因為對話是累積的。你二十輪前隨口定下的做法不會自動作廢，但你早就忘了自己說過。等它照著舊決定寫出來，你還會覺得它不聽話。

那該怎麼辦

• 換主題就開新對話，不要一路接到底。這不是偷懶，是清掉舊決定最快的方法。
• 重要的規則放在開頭或最後，別埋在中間。
• 改了主意就明講「之前說的 X 作廢，現在改成 Y」，別假設它會自己更新。
• 不相關的檔案關掉。

這幾件事合起來，就是常被稱為 Context Engineering 的工作：讓 AI 看見的資訊相關、最新，而且彼此不打架。

Prompt 決定你問了什麼，Context 決定 AI 是站在哪個世界裡回答你。

延伸閱讀

Liu, N. F. et al. (2024). Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, 12: 157–173（DOI: 10.1162/tacl_a_00638）。研究在多文件問答與鍵值檢索兩項任務上觀察到一條 U 形曲線：關鍵資訊落在輸入的開頭或結尾時表現最好，夾在中間時明顯下滑，即使是專為長 Context 設計的模型也一樣。