.@athamzafarooq tentang mengapa rekayasa konteks sekarang lebih penting daripada rekayasa yang cepat Sebagian besar PM AI berfokus pada rekayasa prompt—menulis instruksi yang lebih baik untuk mendapatkan hasil yang lebih baik. Tapi itu hanya berfungsi untuk respons generik. Saat Anda membutuhkan personalisasi, rekayasa yang cepat berantakan. Pertimbangkan agen keuangan. Seorang pengguna menginginkan investasi S&P 500 yang konservatif. Yang lain menginginkan perdagangan kripto berisiko tinggi. Bagaimana LLM yang sama memberikan saran yang relevan kepada kedua pengguna? Rekayasa konteks memecahkan ini dengan melapisi beberapa sumber informasi: perintah sistem, perintah pengguna, memori jangka panjang dari interaksi masa lalu, dan data relevan yang diambil dari RAG. "Rekayasa yang cepat adalah apa yang Anda katakan kepada LLM. Rekayasa konteks adalah cara Anda merancang instruksi untuk LLM Anda. Itulah keindahan memiliki pengetahuan tentang rekayasa konteks karena itu membuat seluruh ekosistem Anda menari." Penyempurnaan bekerja secara berbeda—ini adalah adaptasi tugas. Anda melatih LLM pada ribuan contoh untuk mengkhususkannya untuk output tertentu, seperti menghasilkan kode Python atau memahami kosakata industri farmasi. Pelajaran: Rekayasa konteks sekarang lebih penting daripada rekayasa cepat karena produk AI modern memerlukan personalisasi dalam skala besar. Anda perlu mengatur memori, pengambilan, dan perintah secara bersamaan untuk memberikan respons yang relevan kepada setiap pengguna.