参考资料

• AI Engineering Interview Questions
• AI Engineering Field Guide
• AI Agent Engineer Handbook
• AI Engineer Interview QA

面试题（02） - Prompt、Rules 与 Context Engineering（第 11～20 题）

读完后，你应能完成以下任务：

• 绘制“面试题（02） - Prompt、Rules 与 Context Engineering（第 11～20 题） / 回答标准”的关键对象与数据流，解释“原理题：说清机制、输入输出和相近概念的边界。”，并用源码位置、日志或 Trace 标注证据。
• 为“面试题（02） - Prompt、Rules 与 Context Engineering（第 11～20 题） / 第11题：Prompt Engineering 和 Context Engineering 的区别是什么？”设计正常与异常输入，验证“核心答案： Prompt Engineering 优化目标、约束、示例和输出表达；”，输出首个偏差位置与回归测试结果。
• 实现“面试题（02） - Prompt、Rules 与 Context Engineering（第 11～20 题） / 第12题：一个工程级 Prompt 应包含哪些输入输出约束？”的最小代码或配置，检验“核心答案： Prompt 负责表达，”，输出命令、结果与 Diff，并说明不适用边界。

一、先建立全局：Prompt、Rules 与 Context Engineering（第 11～20 题） 是什么？

理解“Prompt、Rules 与 Context Engineering（第 11～20 题）”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“Prompt、Rules 与 Context Engineering（第 11～20 题）”的第一个核心判断是：原理题：说清机制、输入输出和相近概念的边界。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	回答标准	原理题：说清机制、输入输出和相近概念的边界。
2	第11题：Prompt Engineering 和 Context Engineering 的区别是什么？	核心答案： Prompt Engineering 优化目标、约束、示例和输出表达；
3	第12题：一个工程级 Prompt 应包含哪些输入输出约束？	核心答案： Prompt 负责表达，
4	第13题：Few-shot 示例应该怎样选择，示例越多越好吗？	核心答案： Few-shot 应覆盖最能区分业务边界的少量正反例，数量由回归集决定。
5	第14题：为什么只要求“输出 JSON”仍会解析失败？	核心答案： 优先使用模型支持的 JSON Schema 或 Structured Outputs，
6	第15题：AGENTS.md、CLAUDE.md 和用户级规则的作用域怎样处理？	判断依据： Prompt 负责表达，

1.1 核心对象之间怎样衔接

flowchart LR
  S1["回答标准"] --> S2
  S2["第11题：Prompt Engineering 和 Context Engineering 的区别是什么？"] --> S3
  S3["第12题：一个工程级 Prompt 应包含哪些输入输出约束？"] --> S4
  S4["第13题：Few-shot 示例应该怎样选择，示例越多越好吗？"] --> S5
  S5["第14题：为什么只要求“输出 JSON”仍会解析失败？"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“Prompt、Rules 与 Context Engineering（第 11～20 题）”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“Prompt、Rules 与 Context Engineering（第 11～20 题）”的对象和顺序已经明确后，再看可观察的失败：数据泄漏、只报均分、裁判未校准或样本不可追溯。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、回答标准

• 原理题：说清机制、输入输出和相近概念的边界。
• 选型题：给出约束、比较维度、不适用场景和最终依据。

三、第11题：Prompt Engineering 和 Context Engineering 的区别是什么？

核心答案： Prompt Engineering 优化目标、约束、示例和输出表达； Context Engineering 决定本轮装入哪些规则、代码、历史、工具结果和证据。 前者解决“怎么说”，后者解决“给什么”。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

工程实践： 每个提交都应可独立解释和回退； 兼容性迁移要先扩展、再切流、最后清理旧路径。 面试时还应补充一个失败案例和对应的止损或回滚办法。

四、第12题：一个工程级 Prompt 应包含哪些输入输出约束？

核心答案： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

工程实践： 每个提交都应可独立解释和回退； 兼容性迁移要先扩展、再切流、最后清理旧路径。 面试时还应补充一个失败案例和对应的止损或回滚办法。

五、第13题：Few-shot 示例应该怎样选择，示例越多越好吗？

核心答案： Few-shot 应覆盖最能区分业务边界的少量正反例，数量由回归集决定。 示例太多会增加成本、冲突和位置偏差； 示例与正式输入必须使用同一输出契约。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

并保存足够证据供复现和回滚。 面试时还应补充一个失败案例和对应的止损或回滚办法。

六、第14题：为什么只要求“输出 JSON”仍会解析失败？

核心答案： 优先使用模型支持的 JSON Schema 或 Structured Outputs， 服务端继续校验类型、枚举、长度和跨字段业务约束。 失败只允许有限修复，不能静默填默认值。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

并保存足够证据供复现和回滚。 面试时还应补充一个失败案例和对应的止损或回滚办法。

七、第15题：AGENTS.md、CLAUDE.md 和用户级规则的作用域怎样处理？

核心答案： 规则按组织、用户、仓库和子目录分层， 产品定义的高优先级规则先执行， 子目录规则只影响其作用域。 运行时记录实际命中的文件、顺序和哈希，冲突才能复现。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

并保存足够证据供复现和回滚。 面试时还应补充一个失败案例和对应的止损或回滚办法。

八、第16题：规则冲突时应该怎样确定优先级并留下证据？

核心答案： 规则按组织、用户、仓库和子目录分层， 产品定义的高优先级规则先执行， 子目录规则只影响其作用域。 运行时记录实际命中的文件、顺序和哈希，冲突才能复现。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

并保存足够证据供复现和回滚。 面试时还应补充一个失败案例和对应的止损或回滚办法。

九、第17题：如何在 Monorepo 中设计嵌套规则而不互相污染？

核心答案： 规则按组织、用户、仓库和子目录分层， 产品定义的高优先级规则先执行， 子目录规则只影响其作用域。 运行时记录实际命中的文件、顺序和哈希，冲突才能复现。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。 文本、符号和图关系各自解决不同问题：关键词找字面证据，符号索引找定义引用，依赖图找影响传播。

工程实践： 用真实改动任务评估 Recall@K、定位准确率和无关上下文比例， 不能用“看起来相关”代替评测。 面试时还应补充一个失败案例和对应的止损或回滚办法。

十、第18题：上下文预算应该怎样分配给规则、代码、历史和工具结果？

核心答案： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

工程实践： 降级策略要写清质量底线， 例如缩小候选集、切换模型或转人工， 而不是静默返回低质量结果。 面试时还应补充一个失败案例和对应的止损或回滚办法。

十一、第19题：如何识别并修复上下文污染和过时知识？

核心答案： 上下文块必须带来源、版本、时间和优先级。 压缩保留目标、约束、已验证事实、关键错误与下一步； 发现旧分支代码或过期工具结果时，先移除污染来源再重新装配。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

并保存足够证据供复现和回滚。 面试时还应补充一个失败案例和对应的止损或回滚办法。

十二、第20题：长任务压缩上下文时，哪些证据绝不能丢？

核心答案： 上下文块必须带来源、版本、时间和优先级。 压缩保留目标、约束、已验证事实、关键错误与下一步； 发现旧分支代码或过期工具结果时，先移除污染来源再重新装配。

判断依据： Prompt 负责表达， Rules 负责稳定约束， Context 负责运行时装配； 三者都必须版本化并用回归样本验证。

并保存足够证据供复现和回滚。 面试时还应补充一个失败案例和对应的止损或回滚办法。

十三、动手验证：先跑通 Prompt、Rules 与 Context Engineering（第 11～20 题），再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“Prompt、Rules 与 Context Engineering（第 11～20 题）”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

13.1 基线与候选只允许一个变量不同

验证“Prompt、Rules 与 Context Engineering（第 11～20 题）”时，先固定版本化数据集、切分规则、基线、Rubric、随机参数。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“Prompt、Rules 与 Context Engineering（第 11～20 题）”时，动作是：同输入比较基线与候选的能力、安全、延迟和成本。原始结果不能只保留截图或汇总分数，必须同步保存：逐样本输出、评分理由、置信区间、失败标签、版本，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	版本化数据集、切分规则、基线、Rubric、随机参数
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	逐样本输出、评分理由、置信区间、失败标签、版本
通过阈值	目标指标改善，通用能力与安全集不越过回退阈值
立即停止	数据泄漏、只报均分、裁判未校准或样本不可追溯

13.2 执行前先排除不可比较条件

“Prompt、Rules 与 Context Engineering（第 11～20 题）”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“Prompt、Rules 与 Context Engineering（第 11～20 题）”的当前环境重复运行。
• 候选只改变一个与“Prompt、Rules 与 Context Engineering（第 11～20 题）”结论直接相关的条件。
• “Prompt、Rules 与 Context Engineering（第 11～20 题）”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “Prompt、Rules 与 Context Engineering（第 11～20 题）”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

13.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“Prompt、Rules 与 Context Engineering（第 11～20 题）”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	版本化数据集、切分规则、基线、Rubric、随机参数
过程可回放	同输入比较基线与候选的能力、安全、延迟和成本
结果可审计	逐样本输出、评分理由、置信区间、失败标签、版本

“Prompt、Rules 与 Context Engineering（第 11～20 题）”的一次合格基线对照按以下顺序执行：

1. 保存“Prompt、Rules 与 Context Engineering（第 11～20 题）”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“Prompt、Rules 与 Context Engineering（第 11～20 题）”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“Prompt、Rules 与 Context Engineering（第 11～20 题）”：同输入比较基线与候选的能力、安全、延迟和成本。
4. 为“Prompt、Rules 与 Context Engineering（第 11～20 题）”保存：逐样本输出、评分理由、置信区间、失败标签、版本。
5. 使用“Prompt、Rules 与 Context Engineering（第 11～20 题）”预登记条件判断：目标指标改善，通用能力与安全集不越过回退阈值。
6. 如果“Prompt、Rules 与 Context Engineering（第 11～20 题）”未通过，不修改第二个变量，先恢复基线并保留失败现场。

十四、用一张矩阵验证 Prompt、Rules 与 Context Engineering（第 11～20 题） 的关键结论

矩阵按正文顺序列出“Prompt、Rules 与 Context Engineering（第 11～20 题）”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
回答标准	原理题：说清机制、输入输出和相近概念的边界。	只改变与“回答标准”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
第11题：Prompt Engineering 和 Context Engineering 的区别是什么？	核心答案： Prompt Engineering 优化目标、约束、示例和输出表达；	只改变与“第11题：Prompt Engineering 和 Context Engineering 的区别是什么？”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
第12题：一个工程级 Prompt 应包含哪些输入输出约束？	核心答案： Prompt 负责表达，	只改变与“第12题：一个工程级 Prompt 应包含哪些输入输出约束？”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
第13题：Few-shot 示例应该怎样选择，示例越多越好吗？	核心答案： Few-shot 应覆盖最能区分业务边界的少量正反例，数量由回归集决定。	只改变与“第13题：Few-shot 示例应该怎样选择，示例越多越好吗？”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
第14题：为什么只要求“输出 JSON”仍会解析失败？	核心答案： 优先使用模型支持的 JSON Schema 或 Structured Outputs，	只改变与“第14题：为什么只要求“输出 JSON”仍会解析失败？”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本
第15题：AGENTS.md、CLAUDE.md 和用户级规则的作用域怎样处理？	判断依据： Prompt 负责表达，	只改变与“第15题：AGENTS.md、CLAUDE.md 和用户级规则的作用域怎样处理？”相关的条件	逐样本输出、评分理由、置信区间、失败标签、版本

14.1 记录本次实际实验

下面的记录用于“Prompt、Rules 与 Context Engineering（第 11～20 题）”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "Prompt、Rules 与 Context Engineering（第 11～20 题）"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "同输入比较基线与候选的能力、安全、延迟和成本"
evidence: "逐样本输出、评分理由、置信区间、失败标签、版本"
pass_when: "目标指标改善，通用能力与安全集不越过回退阈值"
stop_when: "数据泄漏、只报均分、裁判未校准或样本不可追溯"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

14.2 边界实验必须证明能够停止和恢复

成功路径只能证明“Prompt、Rules 与 Context Engineering（第 11～20 题）”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：数据泄漏、只报均分、裁判未校准或样本不可追溯，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	逐样本输出、评分理由、置信区间、失败标签、版本	目标指标改善，通用能力与安全集不越过回退阈值
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：数据泄漏、只报均分、裁判未校准或样本不可追溯	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：保留基线，隔离失败样本，定位数据、提示、模型或裁判	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“Prompt、Rules 与 Context Engineering（第 11～20 题）”，第一步是：保留基线，隔离失败样本，定位数据、提示、模型或裁判。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“Prompt、Rules 与 Context Engineering（第 11～20 题）”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

十五、Prompt、Rules 与 Context Engineering（第 11～20 题） 的结果解释

解释“Prompt、Rules 与 Context Engineering（第 11～20 题）”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	数据泄漏、只报均分、裁判未校准或样本不可追溯	先执行：保留基线，隔离失败样本，定位数据、提示、模型或裁判
异常链路无法恢复	数据泄漏、只报均分、裁判未校准或样本不可追溯	先执行：保留基线，隔离失败样本，定位数据、提示、模型或裁判
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“Prompt、Rules 与 Context Engineering（第 11～20 题）”只有同时满足“目标指标改善，通用能力与安全集不越过回退阈值”，并且没有出现“数据泄漏、只报均分、裁判未校准或样本不可追溯”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“Prompt、Rules 与 Context Engineering（第 11～20 题）”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“Prompt、Rules 与 Context Engineering（第 11～20 题）”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

十六、Prompt、Rules 与 Context Engineering（第 11～20 题） 的发布判断

发布判断需要把“Prompt、Rules 与 Context Engineering（第 11～20 题）”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “Prompt、Rules 与 Context Engineering（第 11～20 题）”的基线与候选只存在一个计划内变量。
• “Prompt、Rules 与 Context Engineering（第 11～20 题）”的输入、代码、依赖、配置和数据版本可以追溯。
• “Prompt、Rules 与 Context Engineering（第 11～20 题）”的正常、临界、失败和恢复样本使用同一套断言。
• “Prompt、Rules 与 Context Engineering（第 11～20 题）”的原始输出、中间状态和失败现场已经保留。
• “Prompt、Rules 与 Context Engineering（第 11～20 题）”的日志、Trace、截图和测试数据已经脱敏。
• “Prompt、Rules 与 Context Engineering（第 11～20 题）”的停止条件、负责人和回滚入口已经演练。
• “Prompt、Rules 与 Context Engineering（第 11～20 题）”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“Prompt、Rules 与 Context Engineering（第 11～20 题）”的判断，就不能发布。

十七、总结

• 第11题：Prompt Engineering 和 Context Engineering 的区别是什么？：核心答案： Prompt Engineering 优化目标、约束、示例和输出表达；
• 第12题：一个工程级 Prompt 应包含哪些输入输出约束？：核心答案： Prompt 负责表达，Rules 负责稳定约束，Context 负责运行时装配；
• 第13题：Few-shot 示例应该怎样选择，示例越多越好吗？：核心答案： Few-shot 应覆盖最能区分业务边界的少量正反例，数量由回归集决定。
• 第14题：为什么只要求“输出 JSON”仍会解析失败？：核心答案： 优先使用模型支持的 JSON Schema 或 Structured Outputs，服务端继续校验类型、枚举、长度和跨字段业务约束。
• 第15题：AGENTS.md、CLAUDE.md 和用户级规则的作用域怎样处理？：判断依据： Prompt 负责表达，Rules 负责稳定约束，Context 负责运行时装配；