Kontextové inženýrství vs. promptní inženýrství: V počátcích LLM bylo vytváření chytrých výzev tajnou omáčkou. Pokud však dnes vytváříte seriózní agenty umělé inteligence, samotné rychlé inženýrství to nevyřeší. Potřebujete kontextové inženýrství. Zde je důvod: - Nápověda je o tom, co říkáte - Kontextové inženýrství je o tom, co model vidí A na tom, co vidí, záleží víc než kdy jindy. Každý token v kontextu stojí pozornost. Čím větší je kontext, tím je pravděpodobnější, že se model rozptýlí, zapomene nebo zpomalí. Stejně jako lidé, i LLM mohou ztratit pozornost. To je důvod, proč dobří agenti jen tak neházejí všechno do kontextu. Oni: 1️⃣ Spravujte, co je užitečné 2️⃣ Shrňte, co je staré 3️⃣ Přineste, co je potřeba (právě včas) 4️⃣ Pište si poznámky pro sebe 5️⃣ V případě potřeby delegujte práci na dílčí agenty To není teorie, je to způsob, jakým systémy jako Claude Code, agenti v reálném světě a efektivní paměťové nástroje fungují již dnes. Kontextové inženýrství se stává klíčovou dovedností pro každého, kdo vytváří agenty s dlouhým horizontem, více kroky....