На Луну! Как разбираться в глубоком контексте legacy-кода с Augment Agent
AI Engineer World's Fair 2025
Загружаем страницу…
Context engineering - работа с тем, что попадает в контекстное окно модели: инструкции, история, документы, результаты инструментов. Сюда же относится память агента между сессиями.
Доклады объясняют, почему агент с большим контекстом не становится умнее, как сжимать историю, что агенту стоит запоминать и как хранить опыт, чтобы агент со временем работал лучше. Спикеры сравнивают слои памяти, context engine для кода и контекстные графы, а LinkedIn рассказывает, как собрал 500 навыков для агентов без fine-tuning.
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
Daniel Chalef, Alex Gilmore, Mark Bain, Vasilije Markovic
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
AI Engineer World's Fair 2025
Подбор и сборка контекста под каждый шаг агента: что положить в окно, что сжать, что убрать и что достать из памяти по запросу. Термин вырос из prompt engineering, когда стало ясно, что качество агента зависит от всего контекста, а не от одного промпта.
Обычно память - внешнее хранилище: факты о пользователе, итоги прошлых сессий, найденные решения. Агент записывает туда важное и достаёт нужное через поиск. В контекстном окне держат только то, что нужно для текущего шага.
Модели хуже используют информацию из середины длинного контекста, а лишние документы сбивают их с задачи. Каждый токен ещё и стоит денег и времени. Поэтому спикеры советуют давать агенту меньше, но точнее.