Cộng đồng phát triển AI đang chứng kiến một sự thay đổi đáng kể trong cách các nhà phát triển tiếp cận việc xây dựng các tác nhân AI hiệu quả. Điều từng tập trung vào việc tạo ra prompt hoàn hảo giờ đây đã phát triển thành một thứ toàn diện hơn nhiều: context engineering. Lĩnh vực mới nổi này đại diện cho một sự thay đổi cơ bản trong cách chúng ta nghĩ về thiết kế và triển khai hệ thống AI.
Khái niệm này thu hút sự chú ý rộng rãi sau khi CEO Shopify Tobi Lutke mô tả nó như nghệ thuật cung cấp tất cả ngữ cảnh để nhiệm vụ có thể được giải quyết một cách hợp lý bởi LLM. Thời điểm này không thể phù hợp hơn, khi các nhà nghiên cứu và thực hành AI đang khám phá ra rằng hầu hết các lỗi của tác nhân không xuất phát từ giới hạn của mô hình, mà từ việc cung cấp ngữ cảnh không đầy đủ.
 |
|---|
| Hình minh họa này làm nổi bật sự phát triển của AI từ phương pháp prompting đơn giản sang cách tiếp cận context engineering toàn diện hơn |
Vượt Ra Ngoài Prompt Đơn Giản: Phương Pháp Hệ Thống
Prompt engineering truyền thống tập trung vào việc hoàn thiện một chuỗi văn bản duy nhất được gửi đến mô hình AI. Context engineering có cái nhìn rộng hơn nhiều, coi ngữ cảnh như đầu ra của toàn bộ hệ thống thay vì một mẫu tĩnh. Hệ thống này tự động lắp ráp nhiều thành phần bao gồm hướng dẫn hệ thống, lịch sử hội thoại, bộ nhớ dài hạn, thông tin được truy xuất từ cơ sở dữ liệu, các công cụ có sẵn, và định nghĩa đầu ra có cấu trúc.
Sự khác biệt trở nên rõ ràng khi so sánh các demo AI cơ bản với các hệ thống sẵn sàng sản xuất. Một demo đơn giản có thể chỉ thấy yêu cầu trực tiếp của người dùng, tạo ra các phản hồi chung chung. Một hệ thống được thiết kế tốt sẽ thu thập thông tin lịch, giao tiếp trong quá khứ, chi tiết liên hệ, và các công cụ có sẵn trước khi tạo ra các phản hồi phù hợp với ngữ cảnh, cảm thấy tự nhiên và hữu ích.
Hệ thống: Một khung toàn diện xử lý và tổ chức thông tin trước khi gửi đến mô hình AI, thay vì dựa vào một prompt duy nhất.
Context Engineering so với Prompt Engineering
| Khía cạnh | Prompt Engineering | Context Engineering |
|---|---|---|
| Phạm vi | Chuỗi văn bản đơn lẻ | Đầu ra hệ thống hoàn chỉnh |
| Phương pháp | Mẫu tĩnh | Lắp ráp động |
| Thành phần | Chỉ có hướng dẫn | Nhiều nguồn dữ liệu + công cụ |
| Thời điểm | Cố định | Thích ứng theo yêu cầu nhiệm vụ |
| Trọng tâm | Cách diễn đạt hoàn hảo | Kiến trúc thông tin phù hợp |
Sự Tương Đồng Với Con Người Trong Xử Lý Thông Tin
Các nguyên tắc đằng sau context engineering phản ánh cách con người xử lý thông tin và đưa ra quyết định. Cũng như các nhân viên làm việc tốt hơn khi được cung cấp thông tin nền toàn diện, yêu cầu rõ ràng, và các công cụ phù hợp, các hệ thống AI xuất sắc khi được cung cấp ngữ cảnh phong phú, có cấu trúc tốt. Sự tương đồng này đã khiến một số nhà phát triển sử dụng phương pháp heuristic là hỏi liệu thông tin được cung cấp có đủ để một con người hoàn thành cùng nhiệm vụ hay không.
Các cuộc thảo luận cộng đồng tiết lộ rằng các triển khai AI thành công thường liên quan đến sự hợp tác liên chức năng, tương tự như phát triển phần mềm truyền thống. Các nhóm phải hiểu yêu cầu kinh doanh, định nghĩa đầu ra mong đợi, và cấu trúc thông tin một cách phù hợp - những kỹ năng mở rộng xa hơn kiến thức kỹ thuật AI.
Thách Thức Đánh Giá và Lặp Lại
Một khía cạnh quan trọng nổi lên từ phản hồi cộng đồng là tầm quan trọng của đánh giá có hệ thống. Không giống như phát triển phần mềm truyền thống nơi chức năng có thể được kiểm tra một cách xác định, các hệ thống AI yêu cầu đánh giá liên tục với các tình huống thực tế. Bản chất không xác định của các mô hình ngôn ngữ có nghĩa là ngay cả với context engineering hoàn hảo, kết quả vẫn có thể khác nhau.
Sự không chắc chắn này đã khơi mào cuộc tranh luận về việc liệu context engineering có thực sự khác với prompt engineering nâng cao hay không. Một số người cho rằng vì định dạng đúng và thời điểm phù hợp vẫn chưa được xác định rõ ràng, các nhà phát triển vẫn đang thử nghiệm với các phương pháp khác nhau cho đến khi tìm ra điều hiệu quả.
Khi 'định dạng đúng' và 'thời điểm phù hợp' về cơ bản, và thậm chí có thể cần thiết, không được xác định, thì bạn có vẫn đang tìm kiếm một giải pháp 'ma thuật' không?
Tác Động Tương Lai và Áp Dụng Trong Ngành
Sự chuyển dịch hướng tới context engineering phản ánh sự nhận thức của ngành AI đang trưởng thành rằng việc xây dựng các hệ thống AI đáng tin cậy đòi hỏi nhiều hơn chỉ các mô hình tốt hơn. Nó đòi hỏi các phương pháp có hệ thống đối với kiến trúc thông tin, tích hợp công cụ, và lắp ráp nội dung động. Tuy nhiên, một số thành viên cộng đồng đặt câu hỏi liệu sự phức tạp này có cho thấy rằng các hệ thống AI hiện tại vẫn yêu cầu quá nhiều hướng dẫn từ con người để thực sự mạnh mẽ.
Khi cửa sổ ngữ cảnh mở rộng và các mô hình trở nên có khả năng hơn, thách thức cơ bản vẫn còn: cung cấp cho các hệ thống AI đúng thông tin vào đúng thời điểm. Trong khi các công cụ và kỹ thuật tiếp tục phát triển, nguyên tắc cốt lõi của việc tuyển chọn thông tin chu đáo có vẻ như sẽ vẫn là trung tâm của phát triển AI trong tương lai gần.
Sự xuất hiện của context engineering như một lĩnh vực riêng biệt báo hiệu rằng ngành AI đang chuyển từ giai đoạn thử nghiệm sang các phương pháp có cấu trúc hơn, tập trung vào kỹ thuật để xây dựng các hệ thống AI đáng tin cậy.
Tham khảo: The New Skill in AI is Not Prompting, It's Context Engineering