مهندسی زمینه (Context Engineering) هوش مصنوعی: چرا پرامپت‌ها کافی نیستند

دو سال پیش، همه درباره مهندسی پرامپت (Prompt Engineering) صحبت می‌کردند.

مردم پرامپت‌هایی را برای نوشتن کد یا ایفای نقش متخصصان به اشتراک می‌گذاشتند. ایده ساده بود: پرامپت بهتر یعنی نتیجه بهتر.

اما مهندسانی که محصولات واقعی هوش مصنوعی می‌سازند، به حقیقتی پی بردند. پرامپت تنها بخشی از پازل است.

ابزارهای مدرن هوش مصنوعی مانند Claude، Cursor یا GitHub Copilot تنها به یک پرامپت واحد متکی نیستند. آن‌ها از مهندسی زمینه (Context Engineering) استفاده می‌کنند.

مهندسی پرامپت می‌پرسد: «چه چیزی باید از مدل بپرسم؟»

مهندسی زمینه می‌پرسد: «مدل برای پاسخگویی خوب به چه اطلاعاتی نیاز دارد؟»

یک توسعه‌دهنده را در نظر بگیرید. اگر بگویید «اپلیکیشن خراب است»، آن‌ها نمی‌توانند به شما کمک کنند. آن‌ها سوالات زیادی خواهند پرسید.

اگر لاگ‌های خطا (error logs)، ردپای خطا (stack traces) و آخرین استقرارها (deployments) را ارائه دهید، آن‌ها سریع مشکل را حل می‌کنند. آن‌ها باهوش‌تر نشده‌اند؛ بلکه شما زمینه (context) بهتری در اختیارشان گذاشته‌اید.

هوش مصنوعی هم به همین شکل عمل می‌کند.

اگر از یک هوش مصنوعی یک پرس‌وجوی SQL بخواهید، ممکن است حدس بزند. اما اگر نام جداول، انواع ستون‌ها و قوانین خاص را به آن بدهید، پاسخ دقیق می‌شود. پرامپت ساده باقی ماند، اما زمینه تغییر کرد.

در سیستم‌های هوش مصنوعی در محیط عملیاتی (production)، مدل بسیار فراتر از متن شما را دریافت می‌کند. این مدل اغلب موارد زیر را دریافت می‌کند:

• دستورالعمل‌های سیستم (System instructions)
• تاریخچه گفتگو (Conversation history)
• سوابق پایگاه داده (Database records)
• فایل‌های پروژه (Project files)
• خروجی ابزارها (Tool outputs)

یک دستیار کدنویسی هوش مصنوعی می‌داند درباره چه چیزی صحبت می‌کنید، زیرا فایل‌های باز و ساختار پوشه‌های شما را می‌بیند. شما چهار کلمه تایپ می‌کنید، اما مدل هزاران توکن (token) داده دریافت می‌کند.

از صرف ساعت‌ها وقت برای تغییر دادن کلمات یک پرامپت دست بردارید. در عوض، از خود بپرسید: «مدل چه اطلاعاتی را کم دارد؟»

ارائه مستندات بهتر، طرح‌های API (API schemas) یا قوانین کسب‌وکار، بسیار مؤثرتر از پیدا کردن یک پرامپت «جادویی» است.

مهندسی زمینه یعنی ارائه داده‌های درست به مدل در زمان درست.

در بخش دوم، به موارد زیر خواهم پرداخت:

• پنجره‌های زمینه (Context windows) و توکن‌ها
• چرا زمینه بیشتر همیشه بهتر نیست
• حافظه در هوش مصنوعی چگونه کار می‌کند

سیستم‌های عالی هوش مصنوعی به داده‌های پشت صحنه وابسته هستند، نه فقط کلماتی که تایپ می‌کنید.

Source: https://dev.to/fazal_mansuri_/ai-context-engineering-why-great-ai-systems-need-more-than-great-prompts-part-1-25dd

Optional learning community: https://t.me/GyaanSetuAi