Anthropic acaba de publicar un nuevo tutorial sobre ingeniería de contexto efectiva para agentes de IA. Eché un vistazo y quiero compartir con ustedes lo que aprendí: Una cosa es que el prompt debe evitar ser demasiado específico, como codificar lógicas complejas de if-else, porque diseñar un prompt así tiene muy mala compatibilidad, prácticamente está diseñado para escenarios muy específicos. Organizar de manera estructurada es una buena práctica, como usar markdown o json. Al pulir, es mejor comenzar desde el escenario más pequeño y luego expandir gradualmente. Aquí sugiero usar directamente la gestión de versiones con git, para evitar no saber dónde se hizo un cambio y que de repente falle. Al usar llamadas a herramientas, asegúrate de que la herramienta devuelva la llamada de información efectiva de tokens, por ejemplo, si haces que la herramienta devuelva la temperatura actual, solo necesitas {"temperature":28.2}, y no "Hoy el clima es soleado, la temperatura máxima es 29, la temperatura media es 28.2" y luego hacer que la IA limpie los datos. Si no sabes cómo usar descripciones lógicas, dar ejemplos es en realidad la mejor manera, proporcionar varios ejemplos desde diferentes ángulos es muy efectivo para la IA. Intenta usar la búsqueda de contexto en tiempo real y no almacenar en caché durante mucho tiempo, ya que necesitas considerar la actualidad del contenido de búsqueda. Dirección del tutorial: