Правила контекст-инженерии от Anthropic Вместо поиска идеального промпта фокус смещается на контекст-инженерию — искусство формирования оптимального контекста для AI-агента. Изучила свежее исследование Anthropic и делюсь главными принципами. Контекст-инженерия — это проектирование всего набора данных (инструкции, история диалога, инструменты, внешние данные), которые агент видит в своем ограниченном окне контекста. Цель — максимальная эффективность при минимальном объеме. Устаревание контекста — чем больше контекста, тем хуже агент извлекает из него информацию. Принципы эффективного контекста: • Системные промпты - четкие и простые, без излишней детализации или расплывчатости • Инструменты - узконаправленные, с минимальным дублированием функционала • Лучше добавьте несколько примеров, которые иллюстрируют желаемое поведение, а не крайние случаи и нежелательное поведение Стратегии выполнения: • Just-in-time загрузка • Ведение заметок агентом • Гибридный подход С этим понятием можно столкнуться собирая агента на ноу-код платформе. Важно продумать архитектуру базы знаний и мультиагентный формат, так как это позволяет экономить токены в моделях с оплатой pay-as-you-go. За счет того, что в окне внимания главного агента находится только информация, нужная здесь и сейчас. При недостатке данных агент точечно обращается к конкретным файлам или вызывает другого, узкоспециализированного агента. 💡 Оптимальный и релевантный контекст — больше эффективности.