Anthropic heeft net een nieuwe tutorial uitgebracht over effectieve contextengineering voor AI-agenten. Ik heb er even naar gekeken en wil graag mijn ervaringen met jullie delen: Ten eerste, vermijd het maken van prompts die te specifiek zijn, zoals het hardcoderen van complexe if-else-logica, omdat dit de compatibiliteit van de prompt sterk vermindert en bijna uitsluitend voor zeer specifieke scenario's is ontworpen. Gestructureerde organisatie is een goede praktijk, zoals markdown of json. Probeer bij het verfijnen eerst met het kleinste scenario te beginnen en breid dit geleidelijk uit. Ik raad aan om dit direct met git versiebeheer te doen, zodat je niet ineens niet meer weet wat je hebt veranderd en het ineens misgaat. Wanneer je een tool call gebruikt, zorg er dan voor dat de tool de zogenaamde token effectieve informatie teruggeeft. Bijvoorbeeld, als je de tool vraagt om de huidige temperatuur terug te geven, moet je alleen {"temperature":28.2} ontvangen, en niet "Vandaag is het zonnig, de maximale temperatuur is 29, de gemiddelde temperatuur is 28.2" en dan de AI de gegevens laten opschonen. Als je niet weet hoe je logica moet beschrijven, is het geven van voorbeelden eigenlijk de beste manier. Het geven van meerdere voorbeelden vanuit verschillende hoeken is zeer effectief voor de AI. Probeer bij contextretrieval gebruik te maken van realtime retrieval in plaats van langdurige caching, en houd rekening met de actualiteit van de opgevraagde inhoud. Tutorial link: