谷歌前AI负责人Jeff Dean：上下文工程将取代模型大小成为AI新焦点

在人工智能领域，过去十年的主流叙事是“更大即更好”——更大的数据集、更大的参数量、更大的算力。然而，谷歌前首席科学家杰夫·迪恩（Jeff Dean）近日在Y Combinator的访谈中提出了一个颠覆性观点：模型本身的重要性正在下降，而“上下文工程”（Context Engineering）正在成为决定AI系统能力上限的关键因素。 这一论断不仅为AI从业者指明了新方向，也深刻影响了搜索与内容优化（SEO/GEO）的未来逻辑。

为什么“模型为王”的时代正在落幕

长期以来，AI进步被等同于模型规模的扩张。但迪恩明确表示，模型只是整个解决方案中的“一个零件”。真正有价值的，是构建一个整体系统——这个系统能让模型学会调用外部工具、检索实时数据、记忆历史信息，并将这些能力整合到模型的“上下文”中。 迪恩的访谈由Y Combinator的戴安娜·胡（Diana Hu）主持。她在提问中指出，AI的进步已不再单纯依赖模型本身，而是围绕模型周边的“检索、工具、记忆、代理”等要素。迪恩对此表示赞同，并强调： > “模型只是你试图完成的事情中的一部分，真正的目标是构建一个能够解决有趣问题的整体系统。这包括一个知道如何使用各种工具的模型，它可能知道如何检索相关信息，也可能拥有过去为解决问题而检索的历史信息，并能将信息放入模型的上下文中。” 这一观点与Search Engine Journal长期倡导的“内容与搜索生态整合”理念不谋而合：在AI驱动的搜索中，单纯优化关键词已不够，必须优化“上下文供给”。

上下文工程：从“喂数据”到“造场景”

迪恩用一个生动的比喻解释了上下文工程的核心价值：模型训练时使用的数据是“数万亿个token搅拌成的一锅汤”，信息高度混杂；而上下文工程提供的，是针对当前特定问题的高度清晰的直接信息。后者对模型的帮助远大于前者。 这意味着，AI系统的表现不再取决于模型“肚子里”有多少知识，而取决于我们能否在正确的时间，以正确的顺序，将正确的外部信息注入模型的上下文窗口。 对于SEO从业者而言，这带来一个关键转变：

• 过去：优化网页内容，让搜索引擎爬虫“读懂”。
• 现在：优化内容结构，让AI模型能够“检索、引用、组合”你的信息。 结构化数据、清晰的实体关系、权威的引用来源，这些上下文要素比堆砌关键词更能提升内容在AI搜索中的可见度。

多智能体编排：未来的AI系统形态

迪恩在访谈中进一步指出，AI系统正从“单模型调用”走向“多智能体（Multi-Agent）编排”。未来的AI系统将像一个团队：一个模型负责拆解问题，另一个模型负责调用工具，第三个模型负责评估结果。这种编排能力（Orchestration）将决定系统能否解决复杂问题。 迪恩说： > “理解哪些工具可用、哪些工具能帮助模型解决下一阶段问题、如何将问题分解为一系列工具调用序列、尝试多种方法并评估结果——这就是复杂的智能体和多智能体系统的整体编排，我认为这将越来越重要。” 对于企业而言，这意味着AI应用开发的门槛从“训练模型”降到了“编排工具”。正如戴安娜·胡所言，如今任何人都可以通过API（如Gemini）接入强大的模型，然后专注于搭建自己的检索流程、工具调用链——这正是上下文工程的实践领域。

迪恩的实践建议：在失败中自我改进

当被问及“如何提升上下文工程能力”时，迪恩给出了一个极具操作性的建议： 不要试图从外部调整模型参数（这几乎不可能），而是通过构建更好的“指导方针”和“技能”来引导模型。 具体而言： 1. 动手使用模型和工具去解决真实问题，观察模型在哪里失败。

2. 分析失败原因：是信息不足？还是工具调用顺序不对？
3. 编写更清晰的指令（Guidelines），告诉模型该使用哪些工具、按什么顺序使用。
4. 为模型编写“技能”（Skills），即针对特定问题类别的工具使用模板。
5. 持续迭代，让这套“提示+工具+检索”的配置不断自我改进。 迪恩强调： > “通过这种方式，你最终会得到一个不断自我改进的解决方案。这是理解模型还需要哪些额外信息以变得更强大的最佳途径。” 这一思路与Google的AI搜索文档中关于“高质量信息供给”的要求高度一致：AI系统需要的是清晰、结构化、可验证的上下文。

对SEO与内容创作者的启示

Search Engine Journal 长期关注AI对搜索生态的影响。从本次访谈可以提炼出以下对内容从业者的核心启示： 1. 内容要“可被检索”，更要“可被组合”：AI模型会动态检索并组合多个信息源。你的内容如果逻辑清晰、实体明确、引用权威，就更可能被选为“上下文”的一部分。

2. 结构化是王道：使用Schema标记、清晰的标题层级、FAQ区块，能显著提升AI引擎对内容的理解效率。
3. 拥抱“工具化”思维：未来的内容可能不仅是给人读的，更是给AI“调用”的。提供API、数据表、交互式工具，能让你的内容成为AI系统的一部分。

结论

杰夫·迪恩的访谈标志着AI发展重心的正式转移：从“训练更大的模型”转向“编排更聪明的系统”。对于每一个希望利用AI解决问题的人来说，这既是挑战也是机遇——你不再需要庞大的算力，只需要掌握上下文工程的艺术。 正如迪恩所言：“这是一个超级激动人心的时代。”

常见问题

什么是上下文工程？

上下文工程是指通过精心设计提示词、检索外部信息、调用工具和编排智能体，来优化AI模型输入上下文的质量与结构，从而提升模型输出准确性和解决问题的能力。它强调“系统思维”，而非单纯依赖模型参数。

上下文工程与提示工程有何区别？

提示工程主要关注如何编写更有效的自然语言指令，而上下文工程的范围更广，涵盖信息检索、工具调用、记忆管理、多智能体协作等系统性设计。简单说，提示工程是“说好话”，上下文工程是“造好场”。

没有技术背景的人能参与上下文工程吗？

可以。正如戴安娜·胡在访谈中指出的，上下文工程不需要训练模型所需的算力资源，只需通过API调用现成模型，然后设计自己的检索流程和工具配置。内容创作者可以专注于提供高质量的结构化信息，技术团队则负责编排这些信息。

上下文工程对SEO有何实际影响？

AI搜索引擎（如Google AI Overviews）会动态检索并组合多个来源的上下文。如果网页内容结构清晰、实体明确、包含可验证的引用，就更可能被AI系统选中作为答案来源。因此，SEO的重心正在从“关键词匹配”转向“上下文供给优化”。

如何开始学习上下文工程？

建议从小项目入手：选择一个你熟悉的领域，使用Gemini或GPT等API，尝试让它解决一个具体问题。然后逐步添加外部检索（如搜索API）、工具调用（如计算器）和多步骤提示，观察每次改动对输出质量的影响。迪恩强调，失败是学习过程的一部分。

参考资料 - 杰夫·迪恩访谈原始视频（Y Combinator频道）

• Google AI 内容政策
• Search Engine Journal 关于AI搜索的持续报道

---

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。 编辑团队：内容策划 · 技术编辑 · AI 研究组 网站：bingdada.com © 2026 Bingdada. 保留所有权利。