.@athamzafarooq bağlam mühendisliğinin neden artık prompt mühendisliğinden daha kritik olduğuna dair Çoğu yapay zeka PM'si, daha iyi çıktılar almak için daha iyi talimatlar yazmaya odaklanır. Ama bu sadece genel yanıtlar için işe yarar. Kişiselleştirmeye ihtiyacınız olduğu anda, hızlı mühendislik çöker. Bir finans danışmanını düşünün. Bir kullanıcı muhafazakar S&P 500 yatırımları istiyor. Bir diğeri ise yüksek riskli kripto işlemleri istiyor. Aynı LLM her iki kullanıcıya da nasıl ilgili tavsiye veriyor? Bağlam mühendisliği, birden fazla bilgi kaynağını katmanlayarak bunu çözür: sistem istemleri, kullanıcı istemleri, geçmiş etkileşimlerden uzun süreli hafıza ve RAG'den alınan ilgili veriler. "Hızlı mühendislik, bir LLM'ye söylediğiniz şeydir. Bağlam mühendisliği, LLM'in talimatlarını nasıl tasarladığındır. Bağlam mühendisliği bilgisine sahip olmanın güzelliği budur çünkü tüm ekosisteminizi dans ettiriyor." İnce ayar farklı çalışıyor—bu görev uyarlamasıdır. LLM'yi binlerce örnekle eğitiyorsunuz, örneğin Python kodu oluşturmak veya ilaç endüstrisi kelime dağarcığını anlamak gibi belirli çıktılar için uzmanlaştırıyorsunuz. Ders: Bağlam mühendisliği artık prompt mühendisliğinden daha önemli çünkü modern yapay zeka ürünleri ölçekli kişiselleştirme gerektiriyor. Her kullanıcıya ilgili yanıtları iletmek için bellek, geri dönüş ve istim dosyalarını aynı anda düzenlemeniz gerekir.