Gartner 在 2026 年給 AI 負責人的建議相當直接：情境工程（Context Engineering）已成主流，提示工程（Prompt Engineering）正在退場。真正從 AI 得到穩定產出的企業，並非聘請了更會寫提示的人，而是重新設計了「AI 在推理之前，被允許看到什麼」。
這個分野如今已經是一條預算項目、一項架構決策；在香港，更是一個合規問題。本文說明情境工程是什麼、如何運作、企業情境層的四個組成部分，以及哪些錯誤會令整項工作淪為一個沒有可衡量產出的昂貴數據項目。
什麼是情境工程？
情境工程是一門設計學科，決定 AI 系統在回答之前，會把哪些資訊、工具與機構知識組裝進它的工作記憶。提示工程優化的是「問題怎樣措辭」，情境工程管理的是「模型在推理那一刻能接觸到什麼」。
根據 Gartner 的定義，情境工程是指設計並結構化相關數據、工作流程與環境，使 AI 系統能理解意圖，並在不依賴人手提示的情況下，交付符合企業要求的成果。
實質分別在於問題本身改變了。提示工程問：這句話應該怎樣寫？情境工程問：模型此刻需要看到什麼，以及它永遠不應該看到什麼？
為什麼提示工程已經不足夠？
提示工程之所以不再足夠，是因為企業 AI 已由「回答單一問題」走向「跨受管系統執行多步驟工作」。一句寫得再好的提示，也無法修正一個被餵了錯誤文件、過期政策版本，或完全沒有上一節對話記錄的模型。
失效模式相當具體。當 AI 基於不完整或未經批准的來源，產出一段語氣自信的答案，錯誤並不在措辭，而在「被檢索到什麼」。重寫問題，只會得到一個措辭不同但同樣錯誤的答案。
Gartner 預測，到 2028 年，情境工程功能將成為八成用於建構 AI 應用的軟件工具的一部分，並將令代理式 AI 的準確度提升至少三成。這句預測其實是在指出：準確度真正來自哪裡。
還有治理層面。提示不是可審計的基礎設施，情境層才是。當監管機構或內部審計委員會追問「這個 AI 判斷用了哪些數據」，答案必須來自檢索與權限設計，而不是一段對話紀錄。
情境工程實際如何運作？
情境工程的運作方式，是為每一項 AI 任務組裝一套即時、已核對權限的工作資料集，並在任務執行過程中持續管理這套資料。四個動作構成核心：寫入資訊、篩選相關內容、壓縮過長部分、隔離必須分開的內容。
換言之，AI 系統不再收到一大段文字，而是收到一個經過策劃的環境：一組檢索路徑、一個記憶儲存、一份範圍受限的工具清單，以及任務延長時應該捨棄什麼的規則。
Anthropic 將其中一種日漸普及的技術稱為「即時檢索」（just-in-time retrieval）：系統只在需要時，透過檔案路徑或查詢字串等輕量識別碼，才把底層內容拉進情境，而非一開始就全部載入。
對管理層而言，關鍵結論是：情境是一套系統，不是一項設定。它有負責人、有成本，也有失敗率。
企業情境層有哪四個組成部分？
企業情境層由四個部分組成：檢索、記憶、工具範圍與壓縮。每一部分回答一個不同的問題，也各自對應組織內不同的負責人。把四者混為一個籠統的「數據問題」，是最常見的設計錯誤。
一、檢索：系統可以查閱什麼？
檢索涵蓋系統如何找到來源材料，方法包括向量搜尋、對資料庫的結構化查詢、直接讀取檔案，以及即時查找。
--- 負責人：數據與平台工程
--- 關鍵控制：權限繼承。AI 系統絕不可檢索到提出請求的使用者本人無權開啟的內容
--- 失效訊號：答案聽起來正確，但建立在已被取代的舊文件之上
二、記憶：系統記得什麼？
記憶分為短期與長期。短期記憶是目前為止的對話與工具結果；長期記憶是跨節次保留的內容，例如已批准的定義、項目慣例與過往決策。
--- 負責人：使用該系統的業務部門
--- 關鍵控制：明確的保留與刪除政策。在《個人資料（私隱）條例》之下，這一點與準確度同等重要
--- 失效訊號：系統重複追問已經回答過的事，或記住了本應遺忘的內容
三、工具範圍：系統可以做什麼？
每一項開放給 AI 的工具都會消耗容量並增加干擾。收窄範圍，意思是只給每項任務它真正需要的最小動作集合。
--- 負責人：資訊安全與 IT 運維
--- 關鍵控制：按任務而非按系統授予最小權限
--- 失效訊號：一個只需讀取的 AI 流程，卻擁有寫入權限
四、壓縮：系統應該刻意忘記什麼？
任務一旦執行時間拉長，較舊的材料必須被濃縮，讓重要部分留存。Anthropic 已將此產品化為自動情境壓縮，在接近工作上限時，自動摘要較早的對話內容。
--- 負責人：平台工程，並由業務方確認「絕不可被摘要掉」的內容
--- 關鍵控制：一份必須在每次壓縮後倖存的事實清單，例如客戶識別碼與監管限制
--- 失效訊號：任務執行越久，輸出質素越差
把四者分開的理由是問責。當輸出出錯，你需要知道是哪一環失效，而且必須有一個具名的人負責修正。
情境工程在香港企業是什麼模樣？
在香港，情境工程正是 AI 野心與《個人資料（私隱）條例》的交匯點。情境層是資料最少化、目的限制與保留規則真正被技術性執行的地方，因此它也是整個 AI 項目中，最能站得住腳向董事會或監管機構陳述的部分。
監管背景已相當具體。個人資料私隱專員公署於 2026 年 5 月完成對 60 間香港機構的合規檢查。其中 57 間（約 95%）在日常運作中使用 AI，29 間（約 51%）同時運行三個或以上的 AI 系統。專員未發現違反條例的情況，但呼籲機構以主動且有結構的方式處理 AI 治理。
三個場景說明實際情況：
金融服務公司處理客戶合適性問題。情境層必須只檢索現行版本的產品合適性政策，絕不可在查詢甲客戶時把乙客戶的持倉放進視野，並須保留可審計紀錄，說明每個答案依據的是哪一個政策版本。這屬於檢索設計與工具範圍，不是提示措辭。
物流營運商回應貨運異常查詢。系統需要即時營運數據，而非昨晚的匯出檔。長期記憶保存客戶專屬的處理協議。壓縮規則必須保證託運編號與任何危險品限制，在每一次摘要後都仍然存在。
物業管理集團處理租戶請求。物業管理正是 2026 年合規檢查新增的行業之一。租戶紀錄含有明確保留期限的個人資料，因此記憶部分需要一套與機構既定保留政策一致的刪除排程，並且由系統執行，而非依靠人手流程。
三個場景的共通點是：競爭優勢不在於更聰明的模型。同一個模型，任何對手下星期都能買到。優勢在於你的 AI 是在你受管、現行、權限正確的機構知識上推理，而對手的並非如此。
如何判斷你的情境層正在失效？
失效的情境層會產生一種可辨識的模式：輸出流暢、自信、合理，卻在使用者本身已知答案時才會被發現是錯的。症狀不是明顯胡言亂語，而是安靜的不準確，逐步侵蝕信任，直至採用率停滯。
本季值得檢查的五個診斷訊號：
--- 使用者習慣性手動把同一批背景材料貼進 AI 系統，說明檢索沒有觸及他們需要的內容
--- 任務或對話一延長，答案質素明顯下降，這指向壓縮設計
--- 兩個團隊就同一項政策問題得到實質不同的答案，這指向來源版本互相競爭或過期
--- 沒有人能說出某個輸出依據了哪些文件，即代表沒有審計路徑
--- 採用率在第三週見頂之後持續下滑，這通常是信任問題，而非培訓問題
Forrester 的 2026 年研究為「不去衡量」的代價提供了數字。在其 2026 年調查組別中，沒有自動化評估機制的 AI 代理，過去一年的回退率為 47%；具備完整評估覆蓋的代理，回退率只有 9%。差別並非模型質素，而是有沒有人系統性地檢查系統依據了什麼。
企業推行時最常犯什麼錯？
最常見的錯誤，是把情境工程當成一個沒有明確產出的數據清理項目。機構花兩季整合文件，產出一份無人使用的治理框架，卻從未把工作連結到任何一項有可衡量前後對比的業務任務。
五個應該避免的失敗模式：
--- 想一次做完全部。在任何應用場景上線之前，就要把所有企業數據變成「AI 就緒」。應該選一個工作流程，把它的情境設計好，量度成效，然後才擴展。
--- 把所有東西塞進視窗。更多情境不等於更好的情境。無關材料會爭奪模型注意力，實質上令輸出變差。
--- 省略權限繼承。建立一套忽略「是誰在問」的檢索機制，是通往數據事故最快的路徑，而且上線後補救代價極高。
--- 把壓縮交給預設值。如果業務方從未指定哪些事實必須在摘要中倖存，系統最終一定會丟掉一項重要的。
--- 沒有具名負責人。當檢索、記憶、工具範圍與壓縮由「大家一起」負責，實際上就等於沒有人負責。每一項都需要一個問責到人的名字。
另有一個值得指出的次序錯誤。情境工程並非每個 AI 項目的前提。若任務範圍狹窄、文件集細小乾淨而且現行，仔細的提示設計加基本檢索已經足夠。這門學科變得必要，是當 AI 需要跨系統行動、跨節次記憶，並且要經得起審計的時候。
策略要點
情境工程重新定義了企業 AI 的問題。競爭變量已不再是你買了哪個模型，因為對手下星期就能買到同一個。變量在於你的 AI 系統是否在現行、受管、權限正確的機構知識上推理，以及你能否證明這一點。
對營運副總裁或數字轉型負責人而言，這是一個比「升級模型」更站得住腳的投資故事。它同時也更難做，橫跨數據工程、資訊安全，以及擁有知識的業務部門。任何告訴你這件事很簡單的人，都沒有在一套舊系統上真正執行過權限繼承。
從一個工作流程開始。為四個組成部分各自指定負責人。量度前後準確度。然後才擴展。這個次序並不炫目，但它是能夠讓董事會願意再次撥款的那一個。
二十八年香港科技周期告訴我們，持久的優勢很少來自最新的工具，而是來自那些在別人忙着買授權時，把地基做好的企業。懂AI，更懂你 UD相伴，AI不冷。
延伸閱讀：企業 AI 準確性與檢索質素框架，以及低質 AI 產出在團隊內部造成的隱性成本。
本文由 UD 企業 AI 團隊審閱。
從哪裡開始
掌握了框架，下一步是弄清楚你自己的情境層處於什麼狀態。UD 團隊手把手帶你完成每一步，由 AI 準備度評估、檢索設計、治理控制，到部署上線與成效追蹤，二十八年香港企業服務經驗，全程陪你走。
