วิศวกรรมบริบท

Context Engineering คือสาขาวิชาที่ว่าด้วยการออกแบบและปรับแต่งบริบท (Context) ที่ป้อนให้กับ AI Model อย่างเป็นระบบ ไม่ว่าจะเป็นโครงสร้างของ Codebase, ประวัติ Commit, เจตนาในการออกแบบ (Design Intent) และความรู้เฉพาะด้าน (Domain Knowledge)
หากพรอมต์เอนจิเนียริง (Prompt Engineering) คือศาสตร์ของ "การเขียนคำถามครั้งเดียวให้ดีที่สุด" แล้ว คอนเท็กซ์เอนจิเนียริง (Context Engineering) คือเลเยอร์ที่อยู่สูงขึ้นไปอีกขั้น นั่นคืองานออกแบบว่า "จะให้ AI เห็นอะไร เรียงลำดับอย่างไร และมากแค่ไหน"
รายงานของ Anthropic ปี 2026 ได้แนะนำแนวคิดที่เรียกว่า "Repository Intelligence" ซึ่งหมายถึงความสามารถของ AI เอเจนต์ในการทำงานโดยเข้าใจความสัมพันธ์และเจตนาของ repository ทั้งหมด ไม่ใช่แค่ระดับบรรทัดของโค้ด การจะทำให้สิ่งนี้เป็นจริงได้ คุณภาพและโครงสร้างของ context ที่ส่งให้เอเจนต์จึงมีความสำคัญอย่างยิ่ง
โดยเฉพาะอย่างยิ่ง สิ่งนี้ครอบคลุมการตัดสินใจออกแบบดังต่อไปนี้
- จะรวมไฟล์ใดเข้าใน context และจะตัดไฟล์ใดออก
- จะสื่อสารกฎของโปรเจกต์ (coding convention, นโยบาย architecture) อย่างไร
- จะคัดกรองส่วนที่เกี่ยวข้องกับงานปัจจุบันจากประวัติการเปลี่ยนแปลงในอดีตอย่างไร
- จะบีบอัดข้อมูลอย่างไรเพื่อเพิ่มปริมาณข้อมูลให้สูงสุดภายในข้อจำกัดของ context window
CLAUDE.md และไฟล์ Rules ของ Claude Code รวมถึงฟีเจอร์หน่วยความจำระยะยาวของ OpenClaw ล้วนเป็นตัวอย่างการนำคอนเท็กซ์เอนจิเนียริงไปใช้งานจริง ทั้งหมดนี้คือกลไกที่ช่วยให้นักพัฒนาสามารถจัดโครงสร้างความรู้เฉพาะของโปรเจกต์และส่งต่อให้ AI ได้
ยุคของการพยายามปรับแต่งวิธีเขียนพรอมต์ได้สิ้นสุดลงแล้ว และเราได้ก้าวเข้าสู่ยุคของการออกแบบ "สภาพแวดล้อมที่ AI ทำงาน" นั่นเอง
บทความที่กล่าวถึงคำศัพท์นี้
- คู่มือปฏิบัติ AI Coding Agent — Claude Code vs Codex เปลี่ยนทีมพัฒนาอย่างไรClaude Code คือการทำงานร่วมกันแบบ Real-time, Codex คือการรันอัตโนมัติบนคลาวด์ พร้อมกลยุทธ์เลือกใช้ตามประเภทงานและ Flowchart จากข้อมูลจริง
- Context Engineering คืออะไร? กระบวนทัศน์ใหม่ของการพัฒนา LLM และวิวัฒนาการจาก Prompt EngineeringContext Engineering คือเทคนิคการออกแบบเพื่อจัดเตรียมข้อมูลที่เหมาะสมที่สุดให้กับ LLM เรียนรู้ความแตกต่างจาก Prompt Engineering และรูปแบบการใช้งาน RAG/Agent
- Anthropic Claude ปลั๊กอินทางการคืออะไร? เจาะลึก claude-code-setup และ 35 ปลั๊กอินที่ Anthropic สร้างเจาะลึก Anthropic ปลั๊กอินและ claude-code-setup อธิบายกลไกการทำงาน, 5 หมวดหมู่ (MCP, Skills, Hooks), รายชื่อ 35 ปลั๊กอิน และวิธีแยกแยะ "Official" กับ "Anthropic"
- การพัฒนาจะเปลี่ยนไปอย่างไรด้วย Claude Mythos และ Fable: จากการตรวจสอบ "การเขียนโค้ดที่ถูกต้อง" สู่ "การทำงานที่ถูกต้อง"Claude Mythos และ Fable 5 จาก Anthropic โดดเด่นด้านงานเอเจนต์ระยะยาว เปลี่ยนการพัฒนาจากการเน้น "โค้ดที่ถูกต้อง" สู่ "ผลลัพธ์ที่ถูกต้อง" พร้อมเจาะลึกการใช้งานร่วมกับ /goal และ Dynamic workflows เพื่อการมอบหมายงานอย่างมีประสิทธิภาพตามข้อมูลทางการ
คำศัพท์ที่เกี่ยวข้อง

System Prompt (ซิสเต็มพรอมต์)
System Prompt คือชุดคำสั่งที่ให้ไว้กับ LLM ก่อนเริ่มการสนทนากับผู้ใช้ เพื่อกำหนดบทบาท น้ำเสียง ข้อจำ

การทดสอบเจาะระบบ AI (AI Red Teaming)
วิธีการประเมินที่ทดสอบช่องโหว่ของระบบ AI อย่างเป็นระบบจากมุมมองของผู้โจมตี เพื่อระบุความเสี่ยงด้านคว

การต่อลงดิน (Grounding)
เทคนิคการนำผลลัพธ์จาก LLM มาตรวจสอบเทียบกับแหล่งข้อมูลภายนอกหรือผลการค้นหา เพื่อสร้างคำตอบที่อิงข้อเ

ข้อมูลสังเคราะห์ (Synthetic Data)
ข้อมูลสำหรับการฝึกอบรมที่สร้างขึ้นโดย AI ใช้เพื่อชดเชยการขาดแคลนข้อมูลจริง และนำไปใช้ในการเรียนรู้แล



