🎉 "Tekoälyohjelmoinnin ydin on kontekstin hallinta" Tämä lause on niin hyödyllinen, että se selittää tekoälysovellusten kehitysprosessin ja tulevaisuuden trendit Jos LLM on CPU, konteksti on muisti, Muistikapasiteetti on rajallinen, ja tietojen valinnasta on tullut avain mallin tulosteen laatuun ❓ Mitä muistin yhteydessä tallennetaan? Kuinka optimoida ne? 1️⃣ Järjestelmän kehotussanat Optimointi on sama kehotussanojen joukko kuin ennenkin, joten erinomaisten kehotteiden ydinelementit on järjestettävä. Mutta nopea suunnittelu ei ole enää uutta, kontekstisuunnittelu on suosittua, ja kaikki tekoälysovellukset seuraavat esimerkkiä 2️⃣ Luettelo työkaluista Aluksi tekoälysovelluksissa oli vain muutama ydintyökalu (tiedostojen lukeminen ja kirjoittaminen, komentojen suorittaminen), ja myöhemmin ne laajensivat monia ulkoisia työkaluja ja palveluita MCP:n avulla 3️⃣ Dokumentaatio (KB/RAG) Ongelmaan liittyvä dokumentaatio on myös tärkeää, ja IDE:t, kuten Cursor, tallentavat automaattisesti avoimet tiedostot, äskettäin avatut tiedostot, ongelmaan liittyvät tiedostot ja haetut avainkoodit kontekstiin Lisäksi kontekstiprojekti hallitsee automaattisesti muistitietoja, aivan kuten muistin puhdistustoiminto, korvaa turhat tiedot, asettaa hyödylliset tiedot eteen, lisää painoa jne ❓ Kaikki tämä näyttää hyvältä, miksi CC teki aliagentin uudelleen? Keskustelun edetessä kontekstissa on yhä enemmän sisältöä, ja se on räjähtämässä! Vastatakseen kysymykseen LLM voi kutsua työkalua useita kertoja (kuten tiedoston lukeminen), ja työkalu palauttaa tuloksen + ladatun tiedoston sisällön lisäämällä sen jatkuvasti kontekstiin. ...