智能时刻的观察

🚀【上下文工程：解锁LLMs真正潜力的关键！】🔍

主题是“Context Engineering（上下文工程）”。左侧列出了“Types of Context（上下文类型）”，包括：✅Instructions、✅Examples、✅Knowledge、✅Memory、✅Tool results、✅Tools；

右侧大矩形框代表“LLM（大型语言模型）”，内部“Context Window（上下文窗口）”✅又细分为“Messages（消息）”和✅“Functions (specs)（功能（规格））”。

消息部分有不同角色提示：✅system (prompt)、✅user (prompt)、✅assistant (AI)、✅tool (results)。

现在，基于这张图，我来深入解析一下用户的请求：

像ChatGPT、Gemini、Claude这样的LLMs的有效性，以及你使用这些模型开发的应用程序的有效性，取决于你的提示的有效性。💡

但好的提示还不够！你必须指定正确的上下文——这是指导模型有效执行任务的辅助信息。🎯

上下文工程是构建系统来填充LLMs上下文窗口以提高其性能的艺术和科学。🔧

与提示工程不同（我们通常将提示工程与编写更好的提示联系起来），上下文工程是一个更广泛的术语，涉及许多在提示创建之前就发生的活动。🌐

这包括：

⮕ 提供更广泛的上下文（例如，战略、领域、市场）以增强自主性。

⮕ 检索和转换相关知识（例如，从外部系统或其他代理）。

⮕ 管理内存，以便代理可以记住其先前的交互、收集经验、保存用户偏好并从错误中学习。

⮕ 确保代理拥有必要的工具并知道如何使用它们。

总之，上下文工程就像给AI“加 buff”，让它更智能、更自适应！🚀 如果你在开发AI应用，一定要重视这一步哦～

💬 快来评论分享你的看法：你在使用LLMs时遇到过上下文挑战吗？转发给更多朋友一起学习！

👉 加入我们的粉丝群【智能时刻的铁粉群】智能时刻的铁粉群，交流更多AI干货～

🔔 关注 AI创造营 ai探索计划 AI学习营 AI打工人 热点科普 职场技巧