今天要來介紹一個很多人在做 AI Agent 時，嘴巴上常講、手上卻常混在一起的東西：Prompt Engineering 跟 Context Engineering 😎 筆者這次一邊用 Copilot Studio 新版 UI 練手，一邊拿自己做的 GH-300 測驗 Agent 來測，沒想到不只看到新版介面變超多，還順便踩到一個很現實的坑：credit 燒超快!!!

🧩 Prompt Engineering 是什麼？
筆者會把它理解成「先把規矩講清楚」。它偏向靜態 instruction，一旦載入後，大方向就定了。

🛠️ Context Engineering 是什麼？
這個比較像「上戰場前發裝備」。把知識、工具、外部資料動態提供給 Agent，讓它能真的做事。

🎯 實務差異
一個負責告訴 Agent「要幹嘛」，另一個負責補給它「憑什麼做得到」。兩個少一個都容易翻車。

舉例來說，如果今天筆者做的是一個客服小幫手，那 instruction 可能就會寫成：你是客服代表、回覆要客氣、遇到不知道的不要瞎掰。這種東西很像公司的 SOP，先寫清楚規則。

但光有 SOP 還不夠阿，你叫客服去查以前訂單，總不能靠通靈吧 😂 所以這時候就要進到 Context Engineering 了。筆者會把它理解成：你提供 Agent 相關的知識、工具、資料來源，讓它可以完成更多任務。

例如產品資訊，通常可以透過知識庫、文件檢索這類方式讓 LLM 去參考；如果要查 ERP 訂單、更新狀態、呼叫外部系統，那通常就會透過 MCP / Tool 這類機制來完成。

📌** Prompt Engineering**
偏靜態
定義角色、任務、規則
回答風格與指令遵從的核心

📌 ** Context Engineering**
偏動態
加入 Knowledge、Tools、Triggers、外部資料
讓 Agent 有能力完成特定工作

🖥️ Copilot Studio 裡面，誰算 Prompt？誰算 Context？

如果以 Copilot Studio 來看，Instructions 基本上就是 Prompt Engineering 的核心。 其他像是 Knowledge、Tools、Triggers、Connector、MCP Server 這些，幾乎都可以視為 Context Engineering 的一部分。

原本以為這套邏輯在新版、舊版應該差不多，結果實際一看，新版 UI 真的改很多，而且不是小修，是那種「過一年豬羊變色」等級的改法啊 😅

舊版以前有 Topics、一些設定分散在不同地方，要拉來拉去、點來點去。新版就簡潔很多，主視覺直接把重點放在右側設定區，像是：

Model
Skills
Tools
Knowledge
Connected agents
Memory

老實說，新版比較直覺，這點筆者是給過的 👍 你進去之後，基本上把 instruction 寫好、tool 掛上去、knowledge 放進去、model 選一選，差不多就能開測。這對新手很友善，少很多「我到底該去哪個頁籤」的迷路感。

實作影片候補

🔥 筆者的實測心得
如果你今天要做的是文件摘要、FAQ、一般問答，快速模型大多夠用。 但如果你要的是「必須達成目標」的 Agent，例如計算、分配、規則推導、流程補完，那筆者會建議你直接上深度推理模型，比較不會在最後一哩路翻車。

🤖 GPT-6、Opus 這類模型怎麼選？ 以前如果是這種需要很強指令遵從、規則很硬的情境，筆者多半會優先推薦 Opus 系列，因為它在很多任務上確實比較乖，該做什麼就做什麼。

但這次測下來，GPT-6 的表現其實讓筆者有點改觀。它在推理補完、達成總目標這件事上，真的有比較積極，不是只做表面算術而已，而是會去理解你真正要的是什麼。

另外不同模型連推理過程呈現方式都不太一樣。有的比較像靜靜做完，有的會把中間思考、取中間值、補足總題數的邏輯展開給你看。這對除錯很有幫助，因為你知道它是「不會」，還是「懂但沒做到」。

✅ 小結
這次筆者用 Copilot Studio 新版 UI 做 GH-300 Test Agent，最大的感想是：

新版 UI 確實比較直覺，做 Agent 速度更快
快速模型適合一般任務，深度推理模型適合要計算、要控場的情境
Credit 成本真的要注意，不然你會跟筆者一樣，玩到一半直接沒血 😂