Începem să primim un semn mai clar despre cât de vastă va fi suprafața ingineriei contextului. Pentru a construi agenți AI, în teorie, ar trebui să fie la fel de simplu ca să ai un model super puternic, să-i oferi un set de unelte, să ai un prompt de sistem foarte bun și să-i oferi acces la date. Poate la un moment dat va fi cu adevărat atât de simplu. Dar, în practică, pentru a crea agenți care funcționează astăzi, ai de-a face cu un echilibru delicat între ce să oferi agentului global versus un subagent. Ce lucruri ar trebui făcute agențice vs. doar un instrument determinist. Cum să gestionezi limitările inerente ale ferestrei de context. Trebuia să găsești cum să recuperezi datele potrivite pentru sarcina utilizatorului și câtă muncă de calcul să arunci problemei. Cum să decizi ce să faci rapid și să suferi potențiale scăderi de calitate, față de lent dar poate enervant. Și o mulțime de alte întrebări. Până acum nu există un singur răspuns corect pentru toate acestea și există compromisuri semnificative pentru orice abordare pe care o alegi. Și, cel mai important, pentru a face asta corect este nevoie de o înțelegere profundă a domeniului pentru care rezolvi problema. Gestionarea acestei probleme în codarea AI este diferită de lege, care este diferită de sănătate. De aceea există atât de multe oportunități pentru jocurile de agent AI în acest moment.