.@athamzafarooq về lý do tại sao kỹ thuật ngữ bối cảnh hiện nay quan trọng hơn kỹ thuật ngữ lệnh Hầu hết các PM AI tập trung vào kỹ thuật ngữ lệnh—viết hướng dẫn tốt hơn để có được đầu ra tốt hơn. Nhưng điều đó chỉ hiệu quả cho các phản hồi chung. Ngay khi bạn cần cá nhân hóa, kỹ thuật ngữ lệnh sẽ không còn hiệu quả. Hãy xem xét một đại lý tài chính. Một người dùng muốn đầu tư vào S&P 500 một cách thận trọng. Người khác muốn giao dịch crypto có rủi ro cao. Làm thế nào mà cùng một LLM có thể cung cấp lời khuyên phù hợp cho cả hai người dùng? Kỹ thuật ngữ bối cảnh giải quyết điều này bằng cách xếp chồng nhiều nguồn thông tin: lệnh hệ thống, lệnh người dùng, trí nhớ dài hạn từ các tương tác trước đó, và dữ liệu liên quan được lấy từ RAG. "Kỹ thuật ngữ lệnh là những gì bạn nói với một LLM. Kỹ thuật ngữ bối cảnh là cách bạn thiết kế các hướng dẫn cho LLM của bạn. Đó là vẻ đẹp của việc có kiến thức về kỹ thuật ngữ bối cảnh vì nó làm cho toàn bộ hệ sinh thái của bạn hoạt động hài hòa." Việc tinh chỉnh hoạt động khác—đó là thích ứng với nhiệm vụ. Bạn huấn luyện LLM trên hàng ngàn ví dụ để chuyên môn hóa nó cho các đầu ra cụ thể, như tạo mã Python hoặc hiểu từ vựng ngành dược phẩm. Bài học: Kỹ thuật ngữ bối cảnh hiện nay quan trọng hơn kỹ thuật ngữ lệnh vì các sản phẩm AI hiện đại yêu cầu cá nhân hóa quy mô lớn. Bạn cần phối hợp trí nhớ, truy xuất và lệnh đồng thời để cung cấp phản hồi phù hợp cho từng người dùng.