.@athamzafarooq о том, почему контекстная инженерия теперь более критична, чем инженерия подсказок Большинство AI PM сосредоточены на инженерии подсказок — написании лучших инструкций для получения лучших результатов. Но это работает только для общих ответов. Как только вам нужна персонализация, инженерия подсказок рушится. Рассмотрим финансового агента. Один пользователь хочет консервативные инвестиции в S&P 500. Другой хочет высокорисковые крипто-трейды. Как один и тот же LLM может дать обоим пользователям актуальные советы? Контекстная инженерия решает эту задачу, накладывая несколько источников информации: системные подсказки, пользовательские подсказки, долгосрочную память из прошлых взаимодействий и соответствующие данные, извлеченные из RAG. "Инженерия подсказок — это то, что вы говорите LLM. Контекстная инженерия — это то, как вы разрабатываете инструкции для вашего LLM. Вот в чем красота знания контекстной инженерии, потому что это заставляет вашу экосистему танцевать." Тонкая настройка работает иначе — это адаптация к задаче. Вы обучаете LLM на тысячах примеров, чтобы специализировать его для конкретных выходов, таких как генерация кода на Python или понимание терминологии фармацевтической отрасли. Урок: Контекстная инженерия теперь важнее, чем инженерия подсказок, потому что современные AI-продукты требуют персонализации в масштабе. Вам нужно одновременно организовать память, извлечение и подсказки, чтобы предоставить актуальные ответы каждому пользователю.