某企業導入大型語言模型（LLM）分析內部報表，使用者經常提供 Excel 匯出的表格資料（如銷售數據與統計表）。測試時發現，模型對原始表格解析效果不穩定。為提升模型理解與回應品質，下列哪一種上下文工程（Context Engineering）作法較為適當？
答案 （A）
核心概念
語言模型讀的是一維的文字序列。Excel 匯出的原始表格若以雜亂的空白、定位字元對齊，模型很難判斷哪個數字屬於哪一列哪一欄，理解自然不穩定。把表格轉成 JSON（每列是一個物件，欄位名稱與值明確配對）或 Markdown table（用管線符號明確界定欄位邊界），等於把結構資訊用模型看得懂的方式重新編碼，理解準確度會大幅提升。
答題技巧
快速判斷技巧：上下文工程的核心精神是「把資訊整理成模型好讀的格式」。看到選項在做格式結構化（JSON、Markdown、明確標記）的通常就是答案。
易錯陷阱：(D) 的「保留完整資訊」聽起來很合理——資訊愈完整愈好嘛。但完整不等於好讀，模型需要的是「結構清楚」而不是「原封不動」。