Key context engineering ideas

9:36

sistema.

9:36

También cuando te encuentras creando

9:37

asistentes o copilotos. Esto para que la

9:40

IA te conteste de manera coherente y

9:42

este pueda recordar el historial y

9:43

también adaptarse al usuario y también

9:45

en entornos profesionales sensibles,

9:47

como por ejemplo podría ser medicina,

9:49

derecho o también finanzas, porque acá

9:52

la precisión y el contexto son críticos

9:56

para poder obtener una respuesta

9:58

coherente. ¿Y cuándo no deberías

9:59

utilizar context engineering? si es que

10:01

tienes un uso ocasional o básico, como

10:03

por ejemplo cuando pides resúmenes,

10:04

también cuando pides que genere ideas

10:06

rápidas o respuestas generales, como por

10:08

ejemplo podría ser solicitar una receta

10:09

de cocina. También lo necesitas para

10:11

consultas aisladas y que no son

10:13

recurrentes y tampoco deberías

10:15

aprenderlo si es que tú estás realizando

10:16

una exploración casual. Para todos estos

10:19

casos donde tú no vas a necesitar

10:20

integrar inteligencia artificial con

10:22

algún sistema o con algún historial

10:24

demasiado grande o con documentos

10:26

externos. En ese caso, la verdad es que

10:28

no necesitas aprender context

10:29

engineering, pero para todos estos

10:31

casos, la verdad es que va a marcar una

10:33

diferencia sustancial en tu valor como

10:35

profesional. Componentes clave del

10:37

context engineering.

10:40

El primer componente fundamental es el

10:41

contexto estático. Esto quiere decir

10:44

información que siempre tiene que

10:45

acompañar al modelo y que esta por lo

10:47

general no cambia. Dentro de esto

10:48

tenemos los roles definidos, como por

10:50

ejemplo, actúa como un asesor

10:52

financiero, actúa como un profesor de

10:53

matemáticas, actúa como el rol que tú le

10:56

quieras dar. También tenemos reglas de

10:57

comportamiento, el tono de la

10:59

comunicación y límites claros, en otras

11:01

palabras, qué es lo que sí puede y qué

11:03

es lo que no puede hacer. Y contrastando

11:04

con el contexto estático, nosotros

11:06

también tenemos el contexto dinámico.

11:08

Este va a variar dependiendo de la

11:10

interacción que nosotros tengamos, como

11:12

por ejemplo podrían ser los datos del

11:13

usuario, el estado actual del sistema,

11:15

historial de conversaciones o

11:17

información tomada desde fuentes

11:19

externas. Ambos contextos tienen que

11:21

trabajar juntos para que el modelo no

11:24

solamente entienda qué es lo que tiene

11:26

que hacer, sino que también entienda

11:28

cuándo tiene que adaptarse según el

11:32

momento dado y la situación por la cual

11:34

se esté pasando. Otro componente también

11:36

sumamente importante que nosotros lo

11:38

alcanzamos a mencionar brevemente es la

11:41

memoria. En este caso, la memoria podría

11:43

ser temporal o también podría ser

11:45

persistente. Una memoria temporal podría

11:47

ser algo que nosotros le indicamos

11:48

dentro de la misma conversación y una

11:50

memoria persistente puede existir entre

11:53

múltiples sesiones con los LLM. De esta

11:56

manera, los modelos pueden, entre

11:58

comillas, recordar lo que ha pasado

12:02

antes. También existe