Context Engineering Я опять ловлю себя на мысли что все больше постов у нас получаются про ИИ, а не прод данные, но тема GenAI насколько важна сейчас для каждого инженера, что я думаю, что вопрос ее освоения это просто вопрос сохранения себя в профессии. Мне понравился материал ниже, который я увидел в X и хочу им поделиться, потому что он хорошо структурирует область Context Engineering (куда мы переходит сейчас от Prompt Engineering) и четко все раскладывает по полочкам и задает структуру мышления при работе с ИИ-агентами. Контекстная инженерия — это искусство и наука построения систем, которые заполняют окно контекста LLM (large language model) для улучшения их производительности. В отличие от prompt-инженерии, контекстная инженерия — более широкое понятие, включающее множество действий, происходящих ещё до создания самого промпта. Существует 6 типов контекста: • Инструкции • Примеры • Знания • Память • Результаты работы инструментов • Инструменты RAG (Retrieval-Augmented Generation — генерация с расширением через извлечение) часто называют методом контекстной инженерии. Но на самом деле это трёхэтапный процесс: • Извлечение информации: получение данных из внешних источников (например, векторные базы данных, API) • Сборка контекста: структурирование и фильтрация извлечённых данных для подготовки промпта • Генерация: использование LLM (или агента) для генерации ответа Контекстная инженерия включает только первые два этапа и не включает генерацию. Техники сборки контекста Цель — предоставить минимальный, релевантный и хорошо структурированный контент. Эффективная контекстная инженерия требует комбинации техник извлечения и сборки контекста.