AI 不再是流水线:Ravi Mehta 用“爵士乐队”解释 Context Engineering 的真正威力

AI PM 编辑部 · 2026年05月03日 · 42 阅读 · AI/人工智能

正在加载视频...

视频章节

很多人以为 AI 变强,是模型参数又翻了几倍。但 Ravi Mehta 在这期对谈里抛出一个更反直觉的判断:真正拉开差距的,不是模型,而是你如何“喂”它上下文。Context Engineering,正在把 AI 从一条冷冰冰的流水线,变成一支需要配合、即兴和默契的爵士乐队。

AI 不再是流水线:Ravi Mehta 用“爵士乐队”解释 Context Engineering 的真正威力

很多人以为 AI 变强,是模型参数又翻了几倍。但 Ravi Mehta 在这期对谈里抛出一个更反直觉的判断:真正拉开差距的,不是模型,而是你如何“喂”它上下文。Context Engineering,正在把 AI 从一条冷冰冰的流水线,变成一支需要配合、即兴和默契的爵士乐队。

最反直觉的一点:AI 像老虎机,但高手从不靠运气

Ravi 一上来就用了一个让人警醒的比喻:很多人用 AI 的感觉,像在拉老虎机。同样的提示词,点一次一个结果,再点一次又是另一个,偶尔惊艳,大多数时候失望。

问题不在模型,而在上下文。

他说,这也是为什么过去那种“快速流水线式”的用法正在失效:一句 prompt、一次生成、一次性交付。这种方式在 Demo 阶段看起来很快,但一旦你想要“稳定、可复用、可演进”的输出,就会崩塌。

于是他抛出了核心隐喻:我们正在从 assembly line(流水线),转向 jazz band(爵士乐队)。在爵士乐队里,没有人只是机械执行谱子,每个成员都需要知道整体结构、当前进度、彼此的状态,然后即兴发挥。Context Engineering,本质上就是在教 AI 如何“听懂全场”。

Context Engineering 到底在工程什么?不是 Prompt,而是“场景”

很多人一听到 Context Engineering,会下意识以为是“更复杂的 Prompt 技巧”。Ravi 明确否定了这一点。

他把“上下文”拆成了不同层级:
- 你给 AI 的直接指令(prompt)
- 它可以访问的背景信息、历史状态
- 驱动你体验的底层数据结构

真正决定输出质量的,往往是后两层。

他举了一个在原型设计和 vibe coding 工具里的常见问题:如果底层结构本身就混乱,即使模型再聪明,也只是在一个错误骨架上“填肉”。结果就是——看起来像样,但一改就崩。

这也是为什么他说:“It does make a huge difference.” 当你开始系统性地管理上下文,而不是零散地丢提示词,AI 给你的不再是一次性的灵感,而是可以持续演化的结果。

从“能跑就行”到“结构合理”:原型工具的隐形分水岭

在和多家公司交流后,Ravi 观察到一个明显分水岭:

低阶用法:把 AI 当灵感生成器,做出一个“看起来能用”的原型。
高阶用法:把 AI 当协作者,一开始就追求结构合理、可扩展的输出。

他说,现在不管是 Reforge Builds 还是其他工具,真正厉害的地方,不是生成速度,而是让你“一开始就走在正确的结构上”。

这也是他反复强调 Context 的原因:当上下文足够清晰,AI 甚至可以在你还没部署、没上线的情况下,就帮你提前暴露结构性问题。

换句话说,Context Engineering 正在把原型阶段,从‘试试看’升级成‘预演未来的生产系统’。

设计师、Figma 与未来:原型正在变成生产力工具

在后半段的“hot takes”里,一个有意思的话题被抛了出来:当大量设计师还在用 Figma 做原型,这些 AI 原型工具会不会直接威胁它?

Ravi 的态度并不激进。他认为,Figma 也在往这个方向演进,关键不在工具归属,而在价值链的位置。

当原型只是展示效果,它的价值有限;但当原型开始承载真实的上下文、逻辑和数据结构,它就开始接近生产代码,开始真正“为公司创造价值”。

这也是为什么他说,现在这些 prototype 的意义,已经不只是给人看,而是让团队在更早阶段,以更低成本,协作在同一个‘上下文宇宙’里。

为什么“爵士乐队”这个比喻如此重要

对话快结束时,两人又回到了那个最初的比喻。

“Jazz band sounds a lot more fun.” 这句看似玩笑的话,其实点中了要害。

在爵士乐队里,你不能只盯着自己的那一行谱子;你必须感知整体,随时调整。这正是未来人与 AI 协作的状态:

不是你写完代码、AI 来补全;而是你们在同一个上下文中不断接力、修正、即兴。

Context Engineering,不是让 AI 更像机器,而是让它更像一个懂局势的队友。

总结

如果你还在抱怨“AI 输出不稳定”,这期对谈给了一个残酷但有用的答案:问题可能不在模型,而在你是否认真对待上下文。Context Engineering 的价值,不是炫技,而是让 AI 从“偶尔惊艳”变成“持续可靠”。对从业者来说,真正的行动建议只有一个:停止把 prompt 当魔法,开始像设计系统一样设计上下文。当你这么做时,AI 才会真正成为你那支配合默契的爵士乐队。


关键词: Context Engineering, AI工具, 原型设计, Vibe Coding, 人机协作

事实核查备注: 需要核查:视频发布时间(2026-05-03);Ravi Mehta 的原话比喻(assembly line vs jazz band);提及的工具名称如 Reforge Builds;关于 Figma 的讨论是否为观点性判断而非事实陈述