Cộng đồng AI phản đối việc đổi tên "Prompt Engineering" thành "Context Engineering"

Cộng đồng phát triển AI đang bày tỏ sự hoài nghi mạnh mẽ đối với nỗ lực mới nhất nhằm đổi tên prompt engineering thành context engineering. Những gì bắt đầu như một cuộc thảo luận kỹ thuật đã phát triển thành một cuộc tranh luận rộng hơn về việc thổi phồng marketing so với các thực hành kỹ thuật thực sự trong lĩnh vực AI.

Tiêu chuẩn Kỹ thuật vs Từ ngữ Marketing

Lời chỉ trích cốt lõi tập trung vào việc sử dụng sai thuật ngữ engineering (kỹ thuật). Các thành viên cộng đồng cho rằng kỹ thuật thực sự đòi hỏi kiểm soát quy trình nghiêm ngặt, tài liệu hệ thống và đặc tả về độ dung sai - những yếu tố phần lớn vắng mặt trong các thực hành tối ưu hóa prompt hiện tại. Mối quan ngại là việc gọi những kỹ thuật này là engineering đã nâng những gì về cơ bản chỉ là các mẹo và phương pháp thực nghiệm lên tầm của các ngành kỹ thuật đã được thiết lập.

Đối với tôi, điều này có vẻ như là đặc trưng của phần mềm khi mọi người liên tục muốn gắn nhãn những thứ không phải là 'kỹ thuật' thành 'kỹ thuật'. Họ luôn muốn gọi nó là kỹ thuật vì nghe có vẻ hay hơn nhưng họ không muốn làm gần như bất cứ điều gì liên quan đến kỹ thuật.

Quan điểm này phản ánh sự thất vọng rộng hơn với xu hướng áp dụng các nhãn hiệu uy tín cho các thực hành mới nổi mà không có sự nghiêm ngặt cơ bản mà những nhãn hiệu đó thường đại diện.

Thách thức Kỹ thuật Thực sự

Bất chấp sự hoài nghi về thuật ngữ, các nhà phát triển thừa nhận rằng việc thu thập thông tin liên quan cho các hệ thống AI đặt ra những thách thức kỹ thuật thực sự. Khía cạnh có giá trị nhất của cái được gọi là context engineering liên quan đến việc xác định cách trích xuất và trình bày dữ liệu phù hợp cho các mô hình ngôn ngữ. Ví dụ, các hệ thống như GitHub Copilot thành công không phải vì prompting thông minh, mà vì chúng lựa chọn một cách thông minh những phần nào của codebase để hiển thị cho AI.

Quá trình thu thập và lựa chọn dữ liệu này thường đòi hỏi xây dựng các nguồn dữ liệu và cơ sở hạ tầng hoàn toàn mới - công việc thực sự giống với các thực hành kỹ thuật truyền thống. Tuy nhiên, khía cạnh cấu trúc prompt được xem là ngày càng tầm thường khi các mô hình AI tiếp tục cải thiện.

Các thành phần của Context Engineering (như được định nghĩa trong bài viết):

• Phát triển và quản lý các prompts
• Kiểm thử các tương tác và trường hợp sử dụng
• Quản lý các yếu tố ngữ cảnh động (người dùng, bộ nhớ, giao diện)
• Xây dựng cơ sở tri thức
• Định nghĩa công cụ và các tương tác
• Phân tích đầu vào và đầu ra
• Quản lý bộ nhớ ngắn hạn

Sự Mệt mỏi của Cộng đồng với Hype AI

Phản ứng này cho thấy sự mệt mỏi ngày càng tăng trong cộng đồng kỹ thuật đối với các xu hướng marketing AI. Các nhà phát triển đang kêu gọi hiểu biết khoa học tốt hơn về cách kiểm soát đầu ra của các mô hình lớn thay vì các cách tiếp cận dựa trên từ ngữ thời thượng. Lời chỉ trích mở rộng ra ngoài thuật ngữ để đặt câu hỏi liệu những nỗ lực đổi tên này chủ yếu có lợi cho các công ty AI đang tìm cách duy trì hype thay vì thúc đẩy lĩnh vực này.

Một số thành viên cộng đồng truy nguồn gốc mô hình này đến các nhân vật có ảnh hưởng trong AI đã giới thiệu các thuật ngữ thân thiện với marketing tương tự, cho rằng việc tập trung vào các tên gọi hấp dẫn làm sao lãng việc phát triển các phương pháp kỹ thuật thực sự cho các hệ thống AI.

Cấu trúc Triển khai Kỹ thuật:

interface PromptContext {
  apiKey: string;
  model: string;
  user_goal?: string;
  user_prompt?: string;
  task_prompt?: string;
  system_prompt?: string;
  prompt_tuning?: Tuning;
  knowledge: string;
  config: any;
}

Mối quan ngại Thực tế cho Hệ thống Production

Sự ngắt kết nối giữa marketing và thực tế trở nên rõ ràng nhất khi chuyển các hệ thống AI vào môi trường production. Trong khi tối ưu hóa prompt thử nghiệm có thể hoạt động với các cách tiếp cận không chính thức, các hệ thống production đòi hỏi độ tin cậy và khả năng dự đoán mà các thực hành kỹ thuật truyền thống cung cấp. Khoảng cách này làm nổi bật lý do tại sao nhiều nhà phát triển phản đối việc nâng các thực hành hiện tại lên tầm kỹ thuật - chúng đơn giản là không đáp ứng các tiêu chuẩn cần thiết cho các ứng dụng quan trọng.

Cuộc tranh luận cuối cùng phản ánh những khó khăn trong quá trình phát triển của lĩnh vực AI khi chuyển từ tính mới lạ trong nghiên cứu sang sự cần thiết trong production, với các chuyên gia tìm kiếm nội dung thay vì phong cách trong các cách tiếp cận kỹ thuật của họ.

Tham khảo: Context Engineering Guide