Wie wendet man effektives Kontext-Engineering für KI-Agenten an? Lies das, wenn du ein KI-Entwickler bist, der heute KI-Agenten erstellt. Kontext ist König! Und er muss konstruiert werden, nicht nur angestoßen. Ich habe ein paar Notizen geschrieben, nachdem ich den großartigen neuen Leitfaden zum Kontext-Engineering von Anthropic durchgelesen habe: Kontext-Engineering vs. Prompt-Engineering - Prompt-Engineering = Schreiben und Organisieren von Anweisungen - Kontext-Engineering = Kuratieren und Pflegen von Prompts, Tools, Historie und externen Daten - Kontext-Engineering ist iterativ, und der Kontext wird regelmäßig kuratiert Warum ist Kontext-Engineering wichtig? - Endliches Aufmerksamkeitsbudget - Kontextverfall tritt auf, wenn der Kontext zu groß wird; Kontext-Engineering hilft - Ziel: Kuratieren und Pflegen minimaler hochsignalisierender Tokens Anatomie eines effektiven Kontexts - System-Prompts: klar, die richtige Höhe (nicht zu spezifisch oder zu vage) - Tools: halte die Tools minimal, verwende beschreibende Parameter und strebe nach Token-Effizienz - Few-Shot-Beispiele: biete vielfältige, kanonische Beispiele für das gewünschte Verhalten - Nachrichtenhistorie: aggressiv kürzen Strategien zur Kontextabfrage - Vorab-Abfrage vs. Just-in-Time; es gibt einen Trend hin zu agentischer Suche...