В последние несколько лет построение больших языковых моделей часто начиналось с одного вопроса: «Какую подсказку мне следует дать модели?» Разработчики экспериментировали с системными подсказками, ролевыми инструкциями, краткими примерами, XML-тегами, форматом Markdown...
В последние несколько лет построение больших языковых моделей часто начиналось с одного вопроса:
«Какую подсказку мне следует дать модели?»
Разработчики экспериментировали с системными подсказками, ролевыми инструкциями, краткими примерами, тегами XML, форматированием Markdown и все более сложными инструкциями.
И это сработало.
Более качественная подсказка может превратить ненадежный результат в удивительно полезный.
Но современные приложения ИИ становятся все более сложными.
Мы больше не просим LLM просто резюмировать абзац или написать электронное письмо. Мы создаем агенты ИИ, которые ищут в базах данных, вызывают API, запоминают предыдущие разговоры, читают документы, используют инструменты, выполняют код и работают в несколько этапов.
В этих системах написание хорошего приглашения — это только одна часть проблемы.
Большим вопросом становится:
К какой информации модель должна иметь доступ в данный момент?
Именно эту проблему пытается решить контекстная инженерия.
Anthropic описывает разработку контекста как естественное развитие разработки подсказок: вместо того, чтобы сосредотачиваться только на инструкциях, написанных внутри подсказки, разработчики управляют всем набором информации, доступной модели во время вывода.
И этот сдвиг меняется, хо