今天要來介紹 GitHub Copilot 裡面的 Context Engineering 到底怎麼實踐的~ 這題其實對很多人都很有用，尤其是平常已經在用 Copilot、卻常常覺得它「好像有幫忙，但又幫不太到位」的人。有時候不是模型不夠強，是你餵給它的上下文不夠剛好啊 😆

🧭 Prompt Engineering 跟 Context Engineering 差在哪？
一開始筆者先把這兩個觀念拆開講，因為很多人會把它們混在一起。 Prompt Engineering 比較像是你怎麼問、怎麼下指令；例如你叫 AI 扮演客服專員、語氣要有禮貌、不知道就誠實回答，這些都還是在「寫一段靜態指令」的範圍。

但 Context Engineering 不一樣，它重點不是「問得多漂亮」，而是「你提供了哪些相關資訊、工具跟資料」。 像同樣是客服場景，如果你順便把產品資訊、客戶歷史訂單、促銷內容一起丟進來，那它回答問題的能力就會完全不是同一個檔次。

📌 一句話記住
Prompt Engineering：重點在「怎麼問」。
Context Engineering：重點在「提供什麼資訊來讓它能回答」。

🎨 Andrej Karpathy: Context Engineering 很像一門藝術
大型語言模型像 CPU，token 像位元組，context window 很像記憶體。 那 Context Engineering 是什麼？就是在適當的時機，把適當的資訊塞進去，讓模型做出下一步最合理的事。

為什麼我把 Art 這個字特別圈起來？因為這件事情真的很吃經驗。 上下文不是越多越好，寫太少它亂猜，寫太多又把 context window 塞爆，甚至你整理上下文花的時間，居然比你自己下去寫程式還久，那不是很尷尬嗎 😅

筆者的實務心得：
上下文要給得剛剛好，這就是魔王關。
給太少，它瞎掰；給太多，它失焦；給得剛剛好，AI 才會像有練過一樣。
所以這件事才叫藝術。不是把所有資料一股腦灌進去就贏，而是要能切題、切量、切時機。

📚 Context Engineering 的核心組成
筆者當時還翻了一篇整理得很不錯的論文，裡面講得很清楚： 傳統 Prompt 比較像一段固定字串，但 Context Engineering 是動態、結構化的組合。

它通常會由下面這些東西組起來：

📝 Instructions
你希望它遵守的規則、步驟、輸出格式。

📖 External Knowledge
像官方文件、Study Guide、考古題、內部知識庫這些外部資料。

🛠️ Tools
最常見就是 MCP Servers，讓 Copilot 能查資料、讀網頁、調 API。

🧠 Memory / State / Query
聊天記錄、當前狀態、使用者現在問的問題，這些都會影響最後答案。

這裡最重要的關鍵字其實就是 Dynamic。 也就是說，Context 不是一開始寫死就結束，它會跟著你目前打開的檔案、聊天歷史、工具查回來的資料、當前任務狀態一起變動。

論文裡面還把它拆成三塊：取得與生成、處理、管理。 實務上我們最能控制的，通常是第一塊，也就是「我要讓它去拿哪些資料」、「我要讓它可以叫哪些工具」。 至於管理那一塊，像長對話要不要壓縮、記憶要不要裁切，這就跟 context window 長度很有關。這也是為什麼每次看模型規格，除了聰不聰明，context window 多大也很重要啊。

🧩 GitHub Copilot 裡怎麼實現 Context Engineering？
接著筆者把焦點拉回 GitHub Copilot。它大致可以從三個方向來實現：

📂 In-memory Context
你目前打開的檔案、workspace、聊天歷史，這些都會成為 Copilot 的上下文來源，而且要善用@與#的Shortcut。

📄 Custom Chat Modes / Instructions
你可以在專案裡放 instruction 檔案，甚至拆成多個 Markdown 任務，讓它照步驟做，不要全部塞成一坨。

🔌 MCP Servers
這個超重要，等於幫 Copilot 裝外掛能力，讓它不只靠內建知識，還能查官方文件、抓網頁內容。

🛠️ 今天的實作目標：請 Copilot 幫筆者生 GH-300 模擬題，參考底下完整版影片

完整版影片

🏁 今日結論
GitHub Copilot 真正強的，不是你丟一句 Prompt 它會自動通靈，而是你能不能幫它把任務脈絡、資料來源、工具能力組起來。

MCP + GitHub Copilot Agent Mode 這組合，的確不錯用，以前都要到Microsoft Learning查資料，現在透過MCP，直接讓Copilot幫你查。 另外Playwright 也很實用，抓網頁內容、補外部脈絡甚至網頁自動化測試都很好用。