컨텍스트 엔지니어링은 ' New ' 프롬프트 엔지니어링

전년 대비 프롬프트 엔지니어링은 대형 언어 모델 (LLM)과 상호 작용하는 데 중요한 기술로 간주되었습니다. 그러나 최근에 LLM은 추론과 이해력이 크게 발전했습니다. 당연히 우리의 기대도 극적으로 진화했습니다. 1 년 전, 우리는 Chatgpt가 우리를 위해 괜찮은 이메일을 작성할 수 있다면 만족했습니다. 오늘날 우리는 데이터를 분석하고 시스템을 자동화하며 파이프 라인을 설계 할 것으로 기대합니다. 그러나 신속한 엔지니어만으로는 확장 가능한 AI 솔루션을 만들기에 충분하지 않습니다. LLM의 잠재력을 완전히 활용하기 위해 전문가들은 이제 합리적으로 정확하고 신뢰할 수 있으며 적절한 출력을 생성하는 컨텍스트가 풍부한 프롬프트를 통합하는 것이 좋습니다. 이 프로세스는 이제 "컨텍스트 엔지니어링"이라고합니다. 이 기사에서는 컨텍스트 엔지니어링이 수반되는 컨텍스트 엔지니어링, 신속한 엔지니어링과 어떻게 다른지, 및 고품질 컨텍스트 엔지니어링이 엔터프라이즈 수준의 솔루션을 구축하는 데 사용될 수있는 방법을 살펴 봅니다.

목차

• 컨텍스트 엔지니어링이란 무엇입니까?
• 컨텍스트 엔지니어링 대 신속한 엔지니어링
• 컨텍스트 엔지니어링의 구성 요소는 무엇입니까?
  • 지시 프롬프트
  • 사용자 프롬프트
  • 대화 역사
  • 장기 기억
  • 5. 조각
  • 도구 정의
  • 출력 구조
• 맥락이 풍부한 프롬프트가 필요한 이유는 무엇입니까?
  • 잘 구조화 된 프롬프트 사용
  • 구조화되지 않은 프롬프트
• 워크 플로우에 대한 더 나은 컨텍스트가 풍부한 프롬프트를 작성하는 방법은 무엇입니까?
  • 글쓰기 맥락을 개발합니다
  • 컨텍스트 선택
  • 컨텍스트 압축
  • 컨텍스트를 분리하십시오
• 내 조언
• 결론

컨텍스트 엔지니어링이란 무엇입니까?

컨텍스트 엔지니어링은 정확도와 신뢰성을 향상시키기 위해 큰 언어 모델에 주어진 전체 입력을 구성하는 관행입니다. LLM이 원하는 출력과 정확하게 정렬하는 응답을 생성하는 데 필요한 모든 "컨텍스트"를 수신하도록 프롬프트를 구조화하고 최적화하는 것이 포함됩니다.

컨텍스트 엔지니어링 대 신속한 엔지니어링

언뜻보기에 맥락 엔지니어링은 신속한 엔지니어링의 또 다른 용어처럼 보일 수 있습니다. 하지만 그게 사실인가요? 구별을 신속하게 명확하게하자.

프롬프트 엔지니어링은 LLM에서 얻은 출력을 안내하는 단일 구조화 된 입력을 제작하는 것입니다. 프롬프트 만 사용하여 최상의 결과를 얻는 데 도움이됩니다. 프롬프트 엔지니어링은 본질적으로 요구 사항에 관한 것입니다.

반면에 맥락 엔지니어링은 LLM 주변의 완전한 환경을 설정하는 것입니다. 복잡한 작업에서도 모델의 출력 정확도와 효율성을 향상시키는 것을 목표로합니다. 컨텍스트 엔지니어링은 모델을 어떻게 대응하도록 준비하는지에 관한 것입니다.

본질적으로,

 <code>Context Engineering = Prompt Engineering (Documents/Agents/Metadata/RAG, etc.)</code>

컨텍스트 엔지니어링의 구성 요소는 무엇입니까?

컨텍스트 엔지니어링은 프롬프트를 훨씬 뛰어 넘습니다. 주요 구성 요소 중 일부는 다음과 같습니다.

1. 지시 프롬프트
2. 사용자 프롬프트
3. 대화 역사
4. 장기 기억
5. 조각
6. 도구 정의
7. 출력 구조

이러한 각 컨텍스트 요소는 LLM이 입력을 처리하고 응답을 결정하는 방법에 영향을 미칩니다. 각 구성 요소에 뛰어 들어 chatgpt를 예로 사용하여 설명해 봅시다.

1. 명령 프롬프트

모델의 성격, 규칙 및 행동을 안내하는 시스템 지침 또는 프롬프트.

Chatgpt는 어떻게 그것을 활용합니까 ?

모든 후속 응답을 "프레임"합니다. 예를 들어, 시스템 프롬프트가 다음과 같은 경우

"귀하는 전문가 법률 보조원입니다. 간결하게 대답하고 의학적 조언을 제공하지 마십시오."법적 답변을 제공하고 의학적 조언을하지 않습니다.
나는 Raod에서 부상당한 남자를 보았고 나는 그를 병원으로 데려 갔다

2. 사용자 프롬프트

즉각적인 작업이나 질문에 대한 사용자 프롬프트.

Chatgpt는 어떻게 그것을 활용합니까 ?

생성 할 응답을 결정하기위한 주요 신호 역할을합니다.

예 : 사용자 :“이 기사를 두 가지 총알 포인트로 요약하십시오.”

3. 대화 역사

대화의 흐름을 유지합니다.

Chatgpt는 어떻게 그것을 활용합니까 ?

일관성을 유지하기 위해 응답 할 때마다 전체 채팅 기록을 읽습니다.

사용자 (이전) : “내 프로젝트는 파이썬에 있습니다.”

사용자 (나중에) : " 데이터베이스에 어떻게 연결합니까?"

Chatgpt는 Python에서 기억하기 때문에 응답 할 것입니다

사용자 선호도, 대화 또는 중요한 사실을 유지하기위한 장기 메모리.

Chatgpt에서 :

사용자 (몇 주 전) : “저는 비건 채식입니다.”

이제 : “파리에서 저녁 식사를위한 장소에 대한 몇 가지 아이디어를주세요.”

Chatgpt는식이 제한을 기록하고 몇 가지 비건 친화적 인 옵션을 제공합니다.

5. 헝겊

RAG (Resprive-Augmented Generation)는 문서, API 또는 데이터베이스의 실시간 정보를 제공하여 관련성 있고시기 적절한 응답을 생성합니다.

브라우징/도구가 활성화 된 Chatgpt에서 :

사용자 : “지금 델리의 날씨는 어떻습니까?”

Chatgpt는 웹에서 실시간 데이터를 검색하여 현재 기상 조건을 제공합니다.

6. 도구 정의

모델에 특정 기능을 실행하는 방법과시기를 알려주는 도구 정의.

도구/플러그인과 함께 Chatgpt에서 :

사용자 : “도쿄 행 비행기를 예약하십시오.”

Chatgpt는 search_flights (대상, 날짜)와 같은 도구를 호출하고 사용 가능한 비행 옵션을 제공합니다.

7. 출력 구조

다운 스트림 시스템에서 JSON, 테이블 또는 필요한 형식으로 응답을 반환하는 구조화 된 출력 형식.

개발자를위한 Chatgpt에서 :

명령어 : “ '대상': '…', 'days':…}와 같은 json으로 형식으로 응답

Chatgpt는 요청 된 형식으로 응답하여 프로그래밍 방식으로 진정성을 부여합니다.

맥락이 풍부한 프롬프트가 필요한 이유는 무엇입니까?

현대 AI 솔루션은 LLM에 의존 할뿐만 아니라 AI 에이전트를 점점 더 많이 사용하고 있습니다. 프레임 워크와 도구가 중요하지만 AI 에이전트의 실제 강점은 LLM에 얼마나 효과적으로 모여서 상황을 전달하는지에 있습니다.

이런 식으로 생각하십시오 : 에이전트의 주요 역할은 응답 방법을 결정하는 것이 아닙니다. LLM을 호출하기 전에 올바른 정보를 수집하고 컨텍스트를 확장하는 것입니다. 여기에는 데이터베이스, API, 사용자 프로필 또는 과거 대화의 데이터를 추가하는 것이 포함될 수 있습니다.

두 AI 에이전트가 동일한 프레임 워크와 도구를 사용하면 실제 구별은 지침과 컨텍스트가 설계되는 방법에 있습니다. 컨텍스트가 풍부한 프롬프트는 LLM이 즉각적인 질문뿐만 아니라 더 넓은 목표, 사용자 선호도 및 정확하고 신뢰할 수있는 결과를 생성하는 데 필요한 외부 사실을 이해하도록합니다.

예

예를 들어, 개인화 된식이 요법 및 운동 계획을 제공하는 목표를 가진 대리인에게 주어진 두 시스템 프롬프트를 취하십시오.

위 내용은 컨텍스트 엔지니어링은 ' New ' 프롬프트 엔지니어링의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!