Stiamo iniziando a ricevere segnali più chiari su quanto sarà vasta l'area di superficie dell'ingegneria del contesto. Per costruire agenti AI, in teoria, dovrebbe essere semplice come avere un modello super potente, dargli un insieme di strumenti, avere un ottimo prompt di sistema e dargli accesso ai dati. Forse a un certo punto sarà davvero così semplice. Ma nella pratica, per creare agenti che funzionano oggi, si deve affrontare un delicato equilibrio su cosa dare all'agente globale rispetto a un subagente. Quali cose rendere agentiche rispetto a una semplice chiamata a uno strumento deterministico. Come gestire le limitazioni intrinseche della finestra di contesto. Devi capire come recuperare i dati giusti per il compito dell'utente e quanto calcolo investire nel problema. Come decidere cosa rendere veloce, subendo potenziali cali di qualità, rispetto a lento ma forse fastidioso. E infinite altre domande. Finora non c'è una risposta giusta per tutto questo, e ci sono scambi significativi per qualsiasi approccio tu scelga. E, cosa importante, fare questo nel modo giusto richiede una profonda comprensione del dominio per cui stai risolvendo il problema. Gestire questo problema nella programmazione AI è diverso dalla legge, che è diverso dalla sanità. Ecco perché ci sono così tante opportunità per le applicazioni di agenti AI in questo momento.