Nous commençons à avoir une idée plus claire de l'ampleur de la surface de l'ingénierie contextuelle. Pour construire des agents IA, en théorie, cela devrait être aussi simple que d'avoir un modèle super puissant, de lui donner un ensemble d'outils, d'avoir un très bon prompt système et de lui donner accès à des données. Peut-être qu'à un moment donné, cela sera vraiment aussi simple. Mais en pratique, pour créer des agents qui fonctionnent aujourd'hui, vous devez jongler avec un équilibre délicat entre ce qu'il faut donner à l'agent global et à un sous-agent. Quelles choses rendre agentiques contre un simple appel d'outil déterministe. Comment gérer les limitations inhérentes de la fenêtre contextuelle. Vous devez comprendre comment récupérer les bonnes données pour la tâche de l'utilisateur, et combien de puissance de calcul consacrer au problème. Comment décider ce qu'il faut rendre rapide, au risque de diminuer la qualité, contre lent mais peut-être ennuyeux. Et d'innombrables autres questions. Jusqu'à présent, il n'y a pas de réponse unique à tout cela, et il y a des compromis significatifs pour chaque approche que vous adoptez. Et surtout, bien faire cela nécessite une compréhension approfondie du domaine pour lequel vous résolvez le problème. Gérer ce problème dans le codage IA est différent du droit, qui est différent des soins de santé. C'est pourquoi il y a tant d'opportunités pour les jeux d'agents IA en ce moment.