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
CLAUDE.md และไฟล์ Rules ของ Claude Code รวมถึงฟีเจอร์หน่วยความจำระยะยาวของ OpenClaw ล้วนเป็นตัวอย่างการนำคอนเท็กซ์เอนจิเนียริงไปใช้งานจริง ทั้งหมดนี้คือกลไกที่ช่วยให้นักพัฒนาสามารถจัดโครงสร้างความรู้เฉพาะของโปรเจกต์และส่งต่อให้ AI ได้
ยุคของการพยายามปรับแต่งวิธีเขียนพรอมต์ได้สิ้นสุดลงแล้ว และเราได้ก้าวเข้าสู่ยุคของการออกแบบ "สภาพแวดล้อมที่ AI ทำงาน" นั่นเอง


Harness Engineering คือวิธีการออกแบบข้อจำกัดเชิงโครงสร้าง เช่น prompt, tool definition และ CI/CD เพื่อป้องกันการทำงานผิดพลาดของ AI agent

MCP (Model Context Protocol) คือโปรโตคอลมาตรฐานที่ช่วยให้ AI Agent เชื่อมต่อกับเครื่องมือภายนอก ฐานข้อมูล และ API โดยเป็นมาตรฐานเปิดที่พัฒนาโดย Anthropic และได้รับการมอบให้แก่ Agentic AI Foundation ของ Linux Foundation

วิธีการออกแบบที่แยกระบบ AI และโครงสร้างพื้นฐานการประมวลผลข้อมูลออกจากกันทั้งในเชิงกายภาพและเชิงตรรกะ เพื่อขจัดความเสี่ยงการรั่วไหลของข้อมูลส่วนบุคคลในเชิงโครงสร้าง โดยมีตัวอย่างที่เป็นแบบฉบับ ได้แก่ การแยก Tenant และการดำเนินงานแบบ On-premises


Harness Engineering คืออะไร? วิธีการออกแบบเชิงโครงสร้างเพื่อป้องกันข้อผิดพลาดของ AI Agent