照片来源： Dex Horthy在Twitter上。

通过从实验到机构规模的出版物的产科人工智能，一场安静的革命重新安装了智能系统的构建和改进方式。

直到最近，通过说服大型语言模型的正确响应来起草输入，很多重点是起草输入。这种方法播放了聪明的聊天机器人和令人印象深刻的初步模型。但是实际上，它很脆弱。这些索赔对准确的配方敏感，对以前的相互作用而盲目，并且没有能力管理随着时间的流逝。

新出现的模型： 人工智能或人工智能的上下文工程。

上下文工程没有设置输入，而是专注于形成人工智能工作的环境，可以识别记忆，访问知识，基于角色的理解和直接行为的工作规则。它允许AI克服孤立的任务，并成为机构职能的逻辑参与者。

这代表了人工智能设计的决定性转变：从改善各个交流到思考，适应和发展的工程系统。

在人工智能中反对上下文工程的快速工程

从隔离到智能生态系统的输入

要了解这一发展的重要性，它有助于扩大。

自然界快速工程 交易。您提出一个准确的问题，形式重新提示，并重置情节。尽管它在单个任务中的有效性，但这种结构在现实世界的情况下倒塌了：客户服务的反应在多个渠道上扩展，或者依赖机构系统的员工或通过角色合作的人工智能代理人的运作。

工程环境已转向 系统思维。

我们没有改善一波，而是改进 上下文– 用户的历史记录，会话数据，现场知识，安全控制的要素以及构成人工智能如何解释每个请求的意图。这允许自然的人工智能，流体和灵活的旅行通过多步骤旅行和动态条件。

例如，想象两个员工向同一人工智能代理商询问第二季度销售的表现。通过立即工程，代理提供了固定的答案。借助上下文工程，系统知道其中一个是区域销售，另一个是财务分析师 – 响应是基于角色，权限，以前的反应和主要相关性能指标设计的。

这是 AI真的智能情报系统– 不仅会产生答案 在上下文中了解问题。

直接工程与。情境人工智能和集中度的范围

独特的工程性质狭窄 – 它着重于制定理想的输入，以一种反应指导形式的形式。而工具类似 工作室导演 快速的体验可以加速，这种方法的主要缺点是，声明本身没有记忆或更广泛的理解。

工程环境具有更广泛的视野。它将注意力从输入链接和各个输出传输到周围的生态系统：谁是用户，什么是相关的系统和数据，所说或实际完成的内容，以及必须应用的工作规则是什么。它没有改善一个反应，而是人工智能的理解和案例的使用。

这扩展了AI的范围从交互式工具到开明的参与者 – 可能导致日期，适应不同的角色并保持一致性。它不仅与更好的答案有关，而且还与创建与现实世界中的人和机构如何合作固定的系统一致的系统 AI代理存储器。

处理复杂性

现实世界中的使用不适合与固定反应准确。它们涉及歧义，悠久的历史，优先级和组织差异。

工程根本不是基于此的。它需要固定的手动控制，并且不提供任何连续性机制。上下文工程通过使人工智能通过时间，渠道和差异工作来解决这一差距，并不断了解数据和意图。

对于机构申请，这是必要的。是否管理客户问题，多系统工作的协调或对决策施加遵守，人工智能不仅必须解释原因的原因，还必须通过任何限制来解释。这需要记忆，规则，思维和协调 – 所有这些都是上下文工程使之成为可能的。

适应人工智能和扩展的能力

随着机构从Genai体验转变为商业操作中人工智能代理的运作，对适应性系统的需求在上下文中变得很明显。仅快速工程就不会扩展。这是一项手动努力，假设固定上下文，并且每次情况都需要人类干预。

相反，上下文工程提供了一种更具动态和可持续的方法。它使人工智能系统能够考虑有组织和不规则的数据，了解概念之间的关系，跟踪互动日期，甚至基于先进的工作目标修改行为。

这一转变也与可以独立计划，协调和实施任务的AIC境地的更广泛的运动一致。在此模型中，人工智能代理不仅回答问题。他们做出决定，采取行动并与代理或其他系统合作。但是，除非代理人知道上下文，否则这种智能行不通：如果他们知道以前发生了什么，现在是什么限制以及之后所需的结果。

实践上下文工程的实施

对机构中背景感知的人工智能的认识与关键不像关键。它需要在如何设计和传播人工智能系统上进行故意的转变。从本质上讲，这种转变包括不仅相互作用的建设性因素，而且他们理解。他们必须通过会话保持连续性，跟踪以前的反应，并在实际时间响应用户动态需求。这不仅需要智能，还需要内存，适应能力和结构。

想象一下，不仅可以回答查询的客户服务代理，而且还要记住用户以前的问题，偏好甚至尚未解决的挫败感。这不是响应的分配，不是因为它是明确说的，而是因为它包含了设计中包含的上下文。或考虑根据客户，其持有的保单类型修改的保险索赔的进度以及其历史性的风险档案 – 在不谴责人类的情况下在实际时间内改变了过程。在销售中，Smart Assistant可以利用CRM记录，机构计划数据和产品文件来收集为特定交易设计的答案，另一端的人以及正在进行的对话中的细微差别。

这些不是理论上的用途 – 它是将上下文作为一流的几何关注时的可能性的例子。智能不仅是模型生成文本的能力，而且是系统记住，思维和控制的能力。

克服联合环境工程的挑战

通过这种转变，出现了一系列新的工程挑战 – 主要是基于面对传统人工智能传播的基础。

最重要的障碍之一是连续记忆。人工智能代理人不仅应该记住过去发生的事情，而且还应解释为什么他们做出决定。这是在不可谈判的审计，合规性和信任的行业中必不可少的。在没有跟踪的情况下，智能系统很快就会变得不透明。

数据碎片是另一个重要的障碍。在大多数机构中，环境生活在数十种不同的系统，格式和孤岛中。这种上下文对人工智能代理的可用性不仅意味着访问数据，还意味着大规模的设计，安全性和语义一致性。

扩大自己挑战的能力。北美客户服务代表的需求可能与东南亚的客户需求差异很大。必须计算监管环境，语言细微差别和产品差异。上下文工程允许法规适应而无需重建所有差异。

当然，有治理。当代理人变得更加独立和有能力时，公司需要机制来确保其在边界内的工作。扶手不仅应防止幻觉，而且还应制定工作规则，保护敏感数据并遵守组织政策。

这一切都不是微不足道的 – 但这是可能的。关键是处理上下文的基本系统的结构不是添加的，而是基础。一个人支持跟踪，集成，适应和治理作为第一原则。但是，上下文工程仅被调查 – 对于任何希望大规模运营人工智能的机构都是必不可少的。

为什么现在是上下文工程？

工程环境的兴起表明人工智能发展的成熟度。尽管我们超越了法定的改进，但我们使人工智能能够与人类思想家更加类似地工作 – 他们缩回积累的知识，适应新信息并有效合作。

这在诸如客户服务等领域尤其重要，在该领域，kore.ai机器人可以在对话之日和响应分配的情况下意识到上下文，从而提高了满足和效率。

简而言之，虽然立即工程奠定了基础，但上下文工程构建了完整的结构。不仅是最好的问题；它用于创建更聪明的环境系统。

对于人工智能从业人员而言，为代理商提供背景工程意味着为明天的自然和发达场景的并发症设计灵活，智能和现成的系统。如果您正在探索Agence AI解决方案，请考虑上下文工程如何提高您的项目 – 启动创新平台，例如 kore.ai代理平台。