Zaczynamy dostrzegać coraz jaśniejszy znak, jak ogromna będzie powierzchnia inżynierii kontekstu. Teoretycznie, aby zbudować agentów AI, powinno być to tak proste, jak posiadanie super potężnego modelu, danie mu zestawu narzędzi, posiadanie naprawdę dobrego systemowego promptu i zapewnienie mu dostępu do danych. Może w pewnym momencie rzeczywiście będzie to tak proste. Jednak w praktyce, aby stworzyć agentów, którzy działają dzisiaj, musisz zrównoważyć, co dać globalnemu agentowi w porównaniu do subagenta. Jakie rzeczy uczynić agentowymi, a jakie pozostawić jako deterministyczne wywołania narzędzi. Jak poradzić sobie z wrodzonymi ograniczeniami okna kontekstowego. Musiałeś dowiedzieć się, jak odzyskać odpowiednie dane dla zadania użytkownika i ile mocy obliczeniowej przeznaczyć na problem. Jak zdecydować, co zrobić szybko, a co może być wolne, ale irytujące. I niezliczone inne pytania. Jak dotąd nie ma jednego właściwego rozwiązania dla żadnego z tych problemów, a każde podejście wiąże się z istotnymi kompromisami. I co ważne, aby to dobrze zrobić, wymaga to głębokiego zrozumienia dziedziny, dla której rozwiązujesz problem. Radzenie sobie z tym problemem w kodowaniu AI różni się od prawa, które różni się od opieki zdrowotnej. Dlatego teraz jest tak wiele możliwości dla działań związanych z agentami AI.