全球软件开发领域正在经历一场深刻的变革，这场变革的核心在于**人工智能（AI）**辅助开发技术的演进。 Thoughtworks 的 CTO，Ken Mugrage 在《麻省理工科技评论》上发表的文章，揭示了从“氛围编程”到“上下文工程”的转变，预示着 2025 年软件开发范式的重大调整。这场转变不仅影响着开发者的工作方式，更深刻地影响着整个软件行业的生态。

　　2025 年 2 月，计算机科学家 Andrej Karpathy提出了“氛围编程”（vibe coding）的概念，这种方式的核心在于开发者对大型语言模型（LLMs）的极致信任，并尽可能减少人工干预。 开发者通过语音与 AI 对话，由 AI 完成代码编写、调试等工作。对于一些小型项目，这种方式或许能提高效率。但 Mugrage 指出，随着用户需求变得IM电竞 IM电竞APP下载复杂，提示（prompt）越来越臃肿，模型的可靠性开始下降。代码质量崩塌、技术债务激增、开发者技能退化、系统失控、调试噩梦等问题集中爆发，暴露了“氛围编程”的局限性。 这种依赖感觉和临场发挥的开发方式，无法构建复杂、可靠且可维护的软件系统，也无法满足企业级软件对稳定性和可维护性的要求。 氛围编程的失败，也加速了软件开发社区对 AI 辅助开发方法的反思。

　　2025 年中期，行业风向开始转变，上下文工程（context engineering）成为新的焦点。与仅仅关注提示词的“提示工程”不同，上下文工程是一种更宏大、更系统的方法。它不再仅仅关注如何写好一个提示，而是系统性地管理和维护 AI 在推理期间所需的所有信息集合。上下文包括代码库结构、设计规范、用户偏好、数据库模式以及整个项目的生命周期。工程化的核心，在于优化这些信息的效用，以对抗模型固有的约束，从而稳定、一致地达成预期目标。

　　根据 Thoughtworks 的观察，工程师们实践上下文工程的技术主要分为三个领域：

　　：通过精心策划初始上下文，为 AI 的高质量输出打下坚实基础。包括使用最精简的系统提示、提供规范的小样本示例，以及使用能够高效利用令牌（token）的工具。

　　长期任务的上下文管理（Context Management for Long-Horizon Tasks）

　　：应对复杂、长期的任务，解决大型语言模型有限的上下文窗口带来的挑战。关键技术包括对长对话或大量信息进行定期摘要、使用结构化的方式记录外部记忆，以及将复杂任务分解。

　　动态信息检索（Dynamic Information Retrieval）

　　：强调按需、即时（Just-in-Time, JIT）地获取上下文信息，提高上下文的利用效率和精确度。

　　上下文工程的实践，建立在一系列新兴的技术工具和行业标准之上。其中，AGENTS.md是一种为 AI 智能体提供指令的通用格式；Context7是一个模型上下文协议（ModelContextProtocol, MCP）服务器，专注于为大型语言模型和 AI 代码编辑器提供最新的代码文档；Mem0是一个为 AI 智能体设计的通用记忆层；模型上下文协议（MCP）和智能体到智能体协议（A2A）则是 AI 生态的关键协议，分别类似于 AI 应用的USB-C端口和互联网，促进了 AI 系统与外部世界的交互和智能体之间的协作。这些工具和协议的出现，共同构成了上下文工程的技术底座，推动着软件开发进入 AI 辅助的新时代。

　　从“氛围编程”到“上下文工程”的转变，预示着软件开发行业在与 AI 共舞的过程中，一次深刻的自我反思与成熟。这场变革的核心，是从关注 AI 能做什么，转向关注人类如何引导 AI 做好什么。最终的目标，是通过有效的上下文管理，让 AI 技术能够真正服务于业务价值，而不仅仅是提高编码的速度。这场转变对开发者提出了更高的要求，他们需要掌握信息设计、系统思维等新技能，成为上下文架构师或AI 交互设计师。

　　随着 AI 技术在软件开发领域的深入应用，你认为未来软件开发团队的组织结构会发生怎样的变化？ 这种转变对传统软件工程师的职业发展带来了哪些新的机遇和挑战？ 欢迎在评论区分享你的看法。