Komuniti pembangunan AI sedang menyatakan keraguan yang kuat terhadap percubaan terbaru untuk menjenamasemulakan prompt engineering sebagai context engineering. Apa yang bermula sebagai perbincangan teknikal telah berkembang menjadi perdebatan yang lebih luas mengenai gembar-gembur pemasaran berbanding amalan kejuruteraan tulen dalam bidang AI.
Piawaian Kejuruteraan vs Kata Kunci Pemasaran
Kritikan utama tertumpu kepada penyalahgunaan istilah kejuruteraan. Ahli komuniti berhujah bahawa kejuruteraan sebenar memerlukan kawalan proses yang ketat, dokumentasi sistematik, dan spesifikasi toleransi - elemen yang sebahagian besarnya tidak wujud dalam amalan pengoptimuman prompt semasa. Kebimbangan adalah bahawa memanggil teknik-teknik ini sebagai kejuruteraan akan meningkatkan apa yang pada asasnya adalah petua dan heuristik kepada tahap disiplin kejuruteraan yang telah mapan.
Nampaknya endemik kepada perisian bagi saya bahawa orang sentiasa mahu menjenamakan perkara sebagai 'kejuruteraan' yang sebenarnya bukan. Mereka sentiasa mahu memanggilnya kejuruteraan kerana ia kedengaran lebih baik tetapi mereka tidak mahu melakukan apa-apa yang berkaitan dengan kejuruteraan.
Sentimen ini mencerminkan kekecewaan yang lebih luas dengan kecenderungan untuk menggunakan label berprestij kepada amalan yang sedang berkembang tanpa ketegasan asas yang secara tradisinya diwakili oleh label tersebut.
Cabaran Teknikal Sebenar
Walaupun terdapat keraguan mengenai terminologi, pembangun mengakui bahawa mengumpul maklumat yang relevan untuk sistem AI menimbulkan cabaran teknikal yang tulen. Aspek yang paling berharga daripada apa yang dipanggil context engineering melibatkan penentuan cara untuk mengekstrak dan mempersembahkan data yang betul kepada model bahasa. Sebagai contoh, sistem seperti GitHub Copilot berjaya bukan kerana prompting yang bijak, tetapi kerana mereka secara pintar memilih bahagian mana dari pangkalan kod untuk ditunjukkan kepada AI.
Proses pengumpulan dan pemilihan data ini sering memerlukan pembinaan sumber data dan infrastruktur yang baharu sepenuhnya - kerja yang memang menyerupai amalan kejuruteraan tradisional. Walau bagaimanapun, aspek penstrukturan prompt dilihat sebagai semakin remeh kerana model AI terus bertambah baik.
Komponen Kejuruteraan Konteks (seperti yang ditakrifkan dalam artikel):
- Membangun dan menguruskan gesaan
- Menguji interaksi dan kes penggunaan
- Menguruskan elemen konteks dinamik (pengguna, memori, antara muka)
- Memasang pangkalan pengetahuan
- Definisi alat dan interaksi
- Menganalisis input dan output
- Pengurusan memori jangka pendek
Keletihan Komuniti dengan Gembar-gembur AI
Reaksi ini mendedahkan keletihan yang semakin meningkat dalam komuniti teknikal mengenai trend pemasaran AI. Pembangun menyeru pemahaman saintifik yang lebih baik tentang cara mengawal output model besar dan bukannya lebih banyak pendekatan yang didorong oleh kata kunci. Kritikan meluas melampaui terminologi untuk mempersoalkan sama ada usaha penjenamaan semula ini terutamanya memberi manfaat kepada syarikat AI yang ingin mengekalkan gembar-gembur daripada memajukan bidang tersebut.
Sesetengah ahli komuniti mengesan corak ini kepada tokoh berpengaruh dalam AI yang telah memperkenalkan istilah mesra pemasaran yang serupa, mencadangkan bahawa tumpuan kepada nama yang menarik mengurangkan pembangunan metodologi kejuruteraan tulen untuk sistem AI.
Struktur Pelaksanaan Teknikal:
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;
}
Kebimbangan Praktikal untuk Sistem Pengeluaran
Jurang antara pemasaran dan realiti menjadi paling jelas apabila memindahkan sistem AI ke dalam persekitaran pengeluaran. Walaupun pengoptimuman prompt eksperimen mungkin berfungsi dengan pendekatan tidak formal, sistem pengeluaran memerlukan kebolehpercayaan dan kebolehramalan yang disediakan oleh amalan kejuruteraan tradisional. Jurang ini menyerlahkan mengapa ramai pembangun menentang peningkatan amalan semasa kepada status kejuruteraan - mereka tidak memenuhi piawaian yang diperlukan untuk aplikasi kritikal.
Perdebatan ini akhirnya mencerminkan masalah pertumbuhan bidang AI ketika ia beralih daripada kebaharuan penyelidikan kepada keperluan pengeluaran, dengan pengamal mencari substans berbanding gaya dalam pendekatan teknikal mereka.
Rujukan: Context Engineering Guide