前年まで、迅速なエンジニアリングは、大規(guī)模な言語モデル（LLMS）と対話するための重要なスキルと見なされていました。しかし、最近、LLMは推論と理解能力を大幅に進(jìn)めています。當(dāng)然、私たちの期待も劇的に進(jìn)化しています。 1年前、ChatGptが私たちのために適切な電子メールを作成できれば満足していました。今日、データを分析し、システムを自動化し、パイプラインを設(shè)計(jì)することが期待されています。しかし、迅速なエンジニアリングだけでは、スケーラブルなAIソリューションを作成するのに十分ではありません。 LLMSの可能性を完全に活用するために、専門家は現(xiàn)在、合理的に正確で信頼性の高い適切な出力を生成するコンテキストが豊富なプロンプトを組み込むことを推奨しています。このプロセスは現(xiàn)在、「コンテキストエンジニアリング」と呼ばれています。この記事では、コンテキストエンジニアリングが伴うもの、迅速なエンジニアリングとどのように異なるか、およびエンタープライズレベルのソリューションを構(gòu)築するために高品質(zhì)のコンテキストエンジニアリングを使用する方法を調(diào)査します。

目次

• コンテキストエンジニアリングとは何ですか？
• コンテキストエンジニアリングと迅速なエンジニアリング
• コンテキストエンジニアリングのコンポーネントは何ですか？
  • 命令プロンプト
  • ユーザープロンプト
  • 會話の歴史
  • 長期記憶
  • 5. ぼろきれ
  • ツール定義
  • 出力構(gòu)造
• コンテキストが豊富なプロンプトが必要なのはなぜですか？
  • よく構(gòu)築されたプロンプトを使用します
  • 非構(gòu)造化プロンプト付き
• ワークフローのためのより良いコンテキストが豊富なプロンプトを書く方法は？
  • ライティングコンテキストを開発します
  • コンテキストの選択
  • コンテキストの圧縮
  • コンテキストを分離します
• 私のアドバイス
• 結(jié)論

コンテキストエンジニアリングとは何ですか？

コンテキストエンジニアリングは、その精度と信頼性を向上させるために、大きな言語モデルに與えられた入力全體を整理する慣行です。プロンプトの構(gòu)造化と最適化を伴い、LLMが目的の出力と正確に整合する応答を生成するために必要なすべての「コンテキスト」を受信します。

コンテキストエンジニアリングと迅速なエンジニアリング

一見すると、コンテキストエンジニアリングは迅速なエンジニアリングの別の用語のように思えるかもしれません。しかし、それは本當(dāng)にそうですか？區(qū)別をすばやく明確にしましょう。

プロンプトエンジニアリングとは、LLMから取得した出力をガイドする?yún)g一の適切に構(gòu)造化された入力を作成することです。プロンプトのみを使用して最良の結(jié)果を達(dá)成するのに役立ちます。迅速なエンジニアリングとは、基本的にあなたが尋ねることについてです。

一方、コンテキストエンジニアリングは、LLMの周りに完全な環(huán)境を設(shè)定することです。複雑なタスクであっても、モデルの出力の精度と効率を向上させることを目的としています。コンテキストエンジニアリングとは、応答するモデルをどのように準(zhǔn)備するかについてです。

本質(zhì)的に、

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

コンテキストエンジニアリングのコンポーネントは何ですか？

コンテキストエンジニアリングは、プロンプトだけをはるかに超えています。その重要なコンポーネントには次のものがあります。

1. 命令プロンプト
2. ユーザープロンプト
3. 會話の歴史
4. 長期記憶
5. ぼろきれ
6. ツール定義
7. 出力構(gòu)造

これらの各コンテキスト要素は、LLMがその応答を処理し、決定する方法に影響を與えます。各コンポーネントに飛び込み、例としてChatGPTを使用してそれらを説明しましょう。

1。命令プロンプト

モデルの性格、ルール、および動作を?qū)Г伐攻匹啶沃甘兢蓼郡膝抓恁螗抓取?/p>

ChatGptはそれをどのように利用しますか？

それは、その後のすべての応答を「フレーム」します。たとえば、システムプロンプトが次の場合：

「あなたは専門家の法律アシスタントです。簡潔に答え、醫(yī)學(xué)的アドバイスを提供しません」、それは法的な答えを提供し、醫(yī)學(xué)的アドバイスをすることを避けます。
私はラウドで負(fù)傷した男と私が彼を病院に連れて行ったのを見ました

2。ユーザープロンプト

ユーザーは、即時のタスクや質(zhì)問を求めます。

ChatGptはそれをどのように利用しますか？

生成する応答を決定するための主な信號として機(jī)能します。

例：ユーザー：「この記事を2つの箇條書きで要約します。」

3。會話の履歴

會話の流れを維持します。

ChatGptはそれをどのように利用しますか？

一貫性を維持するために応答するたびにチャット履歴全體を読み取ります。

ユーザー（以前）： 「私のプロジェクトはPythonにあります。」

ユーザー（後で）： 「データベースに接続するにはどうすればよいですか？」

ChatGptは、覚えているため、Pythonで応答する可能性があります

ユーザーの好み、會話、または重要な事実を保持するための長期的なメモリ。

chatgptで：

ユーザー（數(shù)週間前） ： 「私はビーガンです。」

今： 「パリでの夕食の場所のアイデアをいくつかください。」

ChatGptはあなたの食事制限に注意し、いくつかのビーガンに優(yōu)しいオプションを提供します。

5。ラグ

検索された生成（RAG）は、文書、API、またはデータベースからリアルタイム情報を提供して、関連するタイムリーな応答を生成します。

ブラウジング/ツールを有効にしたChatGptで：

ユーザー： 「今デリーの天気はどうですか？」

ChatGptは、Webからリアルタイムデータを取得して、現(xiàn)在の気象條件を提供します。

6。ツール定義

特定の関數(shù)を?qū)g行する方法と時期をモデルに通知するツール定義。

ツール/プラグインを使用したChatGptで：

ユーザー： 「東京へのフライトを予約してください?！?/em>