U svetu veštačke inteligencije, prompt inženjering je bio zvezda prvog čina. Međutim, kako prelazimo iz jednostavnih chat interakcija ka kompleksnim AI aplikacijama poput agenata i specijalizovanih asistenta, na scenu stupa context engineering.

Ali šta je zapravo kontekstualno inženjerstvo (context engineering) i zašto postaje ključno u razvoju AI rešenja?

Šta je Context Engineering?

Context engineering podrazumeva dizajniranje i strukturiranje ulaza (konteksta) koji se šalje velikim jezičkim modelima (LLM), kako bi oni mogli precizno, pouzdano i efikasno da obave zadatke. Umesto da samo napišemo prompt poput “Napravi mi sažetak”, mi konstruisemo složen sistem instrukcija, podataka i pravila u pravom formatu, u pravom trenutku.

To je suštinska razlika između:

• Prompt inženjeringa: pojedinačni, često improvizovani unos teksta.

• Context inženjeringa: sistemska priprema konteksta, ulogâ, pravila, memorije i alata koje AI koristi.

Kada je to važno?

Ako razvijate AI asistente, agente ili alate koji rešavaju složene zadatke (npr. korisnička podrška, prodajni asistenti, pravni savetnici, terapeutski botovi), kontekst postaje kritičan. Nema više prostora za greške “u hodu” agent mora biti sposoban da funkcioniše autonomno.

Šest ključnih komponenti AI agenta

1. Model – LLM koji pokreće agenta (npr. GPT-4, Claude, Mistral).

2. Alati (tools) – Interfejsi za spoljni svet (kalendar, baze podataka, API konekcije).

3. Znanjem i memorija – Kontekstualna baza znanja i pamćenje prethodnih interakcija.

4. Govor i zvuk – Glasovne interakcije za prirodniji korisnički doživljaj.

5. Zaštitne mere (guardrails) – Mehanizmi koji osiguravaju bezbedno ponašanje.

6. Orkestracija – Kontrola rada, praćenje performansi i kontinuirano unapređenje.

Uloga context inženjera

Zamislite da imate sve komponente AI agenta, ali bez uputstva za upotrebu. Context inženjer piše to uputstvo. On kreira sistemski prompt koji povezuje sve delove:

• Koji alat kada koristi,

• Kako se obrađuju upiti,

• Kako se koristi memorija,

• Koji su prioriteti i ograničenja.

Bez pravilnog kontekstualnog dizajna, AI agent neće znati kako da funkcioniše – čak i ako mu date najnapredniji model.

Primer: Istraživački AI agent

Konkretan primer prompta za agenta koji prati AI trendove:

• Uloga: Istraživački asistent

• Zadatak: Razbiti korisnički upit na pod-zadatke, prikupiti podatke iz više izvora, sortirati po značaju, formatirati u JSON, sažeti u 300 reči.

• Struktura: XML tagovi, definisana polja (izvor, domen, važnost, vremenski okvir).

• Ograničenja: Bez ličnih mišljenja, bez pozadinske priče, samo novi, relevantni podaci.

Ovo je jednostavan, ali izuzetno moćan primer context engineeringa u praksi.

Resursi za dalje učenje

Preporučujemo dva ključna izvora:

• Cognition AI: Principi za višestruke agente “uvek delite kontekst” i “svaka akcija sadrži odluku”.

• LangChain vodič: Tehnike kao što su pisanje konteksta, selektovanje, kompresija i izolacija.

Context engineering nije samo “sledeća faza prompt inženjeringa” to je nova veština koja čini razliku između igračkica i ozbiljnih AI sistema.

Ako želite da pravite agente koji rešavaju stvarne poslovne izazove, morate naučiti da upravljate kontekstom i to precizno, sistemski i kreativno.

Blog post je inspirisan sledećim videom Tine Huang.