企业资料明明搜到了，AI 却还是答偏了，问题可能不在同一个地方。这篇文章把 RAG——先查文档、再让大模型据此回答——拆成三层，帮助团队判断该从哪里排查，而不是反复改一句提示词。
第一层是提示工程：把任务、格式和“资料不足时要承认”写清楚。第二层是上下文工程：决定实际交给模型哪些文档片段、历史对话和工具结果，以及如何排序、压缩和隔离。第三层是循环工程：当一次检索或回答不够时，再检索、检查、改写查询或换工具，同时设定何时停止、失败后如何恢复。
这套框架的价值更像地图，不是新算法。作者也提醒，“提示之后是上下文、再之后是循环”的演进故事并不完全准确：相关做法往往早于这些名称。文章未提供质量提升数字，因此它更适合用来定位问题，而非证明某种方案更有效。