Context Engineering چیست و چرا برای AI Agentهای سازمانی اهمیت دارد؟

Context Engineering چیست؟

Context Engineering فرایند انتخاب و سازمان‌دهی اطلاعاتی است که در لحظه تصمیم‌گیری در اختیار مدل قرار می‌گیرد. هدف، بیشترین اطلاعات نیست؛ مناسب‌ترین اطلاعات برای همان کار است.

Context می‌تواند شامل دستورالعمل، درخواست کاربر، اسناد بازیابی‌شده، نتیجه ابزار، تاریخچه گفتگو، حافظه و وضعیت فعلی کار باشد.

چرا Prompt به‌تنهایی کافی نیست؟

Prompt خوب مهم است، اما در کار سازمانی پاسخ معمولاً به داده به‌روز، نقش کاربر و مرحله فرایند وابسته است. این موارد خارج از متن Prompt قرار می‌گیرند.

اگر Context ناقص یا ناسازگار باشد، Prompt دقیق هم نمی‌تواند منبع معتبر، مجوز درست یا وضعیت واقعی فرایند را جایگزین کند.

Context از چه اجزایی ساخته می‌شود؟

این اجزا باید بر اساس وظیفه انتخاب شوند. واردکردن داده نامرتبط به Context می‌تواند کیفیت، سرعت و قابلیت پیگیری پاسخ را کاهش دهد.

• System Instruction
• User Request
• Retrieved Documents
• Tool Results
• Conversation State و Memory
• Metadata و Permissions
• Current Task State

نقش RAG و Memory

RAG اسناد و داده مرتبط را در زمان نیاز بازیابی می‌کند. Memory می‌تواند وضعیت یا ترجیحی را نگه دارد که برای تداوم کار لازم است؛ اما Memory نباید جایگزین منبع معتبر و به‌روز شود.

هر دو باید نسخه، مالکیت و مجوز داشته باشند؛ Agent نباید سند یا حافظه‌ای را وارد Context کند که کاربر حق دیدن آن را ندارد.

RAG چیست؟ (مطالعه بیشتر)

Context در AI Agent

Agent در هر گام باید تشخیص دهد چه اطلاعاتی را نگه دارد، چه ابزاری را فراخوانی کند و چه داده‌ای را کنار بگذارد. بنابراین Context Engineering بخشی از طراحی workflow Agent است.

MCP می‌تواند دسترسی استاندارد به ابزار و Context را فراهم کند، اما انتخاب داده درست و کنترل آن همچنان وظیفه معماری است.

MCP چیست؟ (مطالعه بیشتر)

AI Agent چیست؟ (مطالعه بیشتر)

Context زیاد هم مشکل‌ساز است

Context بسیار بزرگ یا نامرتبط می‌تواند هزینه و latency را بالا ببرد و نشانه‌های مهم را میان داده‌های کم‌ارزش پنهان کند. اطلاعات متناقض نیز رفتار مدل را ناپایدار می‌کند.

خلاصه‌سازی کنترل‌شده، Retrieval هدفمند، Metadata و حذف داده منقضی ابزارهای مهمی برای حفظ Context باکیفیت‌اند.

امنیت و دسترسی

Context باید permission-aware باشد: همان هویت و سطح دسترسی که درخواست را آغاز کرده، بازیابی و ابزارها را نیز محدود کند.

داده حساس، رازها یا دستورهای غیرقابل‌اعتماد نباید بدون مرز و اعتبارسنجی وارد Context شوند.

• Permission-aware Retrieval
• Source provenance
• Secret isolation
• ثبت داده و ابزار استفاده‌شده

کاربرد Context Engineering در سازمان

در پاسخ به یک سؤال سازمانی، Context ممکن است شامل قرارداد معتبر، مرحله فرایند، نقش کاربر و نتیجه یک ابزار باشد. طراحی درست باعث می‌شود پاسخ هم مفید و هم قابل‌پیگیری بماند.

Context Engineering در آیوان

در آیوان، Context باید از منبع مجاز، داده به‌روز و وضعیت واقعی فرایند تشکیل شود. طراحی هر سناریو با تعریف سؤال، منبع، دسترسی، ابزار مجاز و معیار ارزیابی آغاز می‌شود.

هوش مصنوعی سازمانی (مطالعه بیشتر)