⁉️ برای اینکه AI Agent درست تصمیم بگیره، چه اطلاعاتی باید داشته باشه؟

🔴 خیلی وقت‌ها فکر می‌کنیم اگر Prompt خوبی بنویسیم، خروجی خوب هم می‌گیریم. اما وقتی پای Agentها وسط میاد، فقط نحوه نوشتن دستور مهم نیست. مدل باید بدونه:
🟠مسئله دقیقا چیه؟
🟠 چه اطلاعاتی به این کار مربوطه؟
🟠چه داده‌هایی قدیمی یا نامرتبط هستن؟
🟠از چه ابزارها و APIهایی باید استفاده بشه؟
🟠چه اطلاعاتی باید از گفتگوهای قبلی حفظ بشه؟
🟠 و چه چیزی فقط همون لحظه لازمه؟
اینجاست که مفهوم Context Engineering اهمیت پیدا می‌کنه.
🔴 توی این رویکرد، تمرکز فقط روی Prompt نیست؛ بلکه کل محیط اطلاعاتی‌ای که در اختیار مدل قرار می‌گیره طراحی و مدیریت می‌شه. نکته مهم اینه که اطلاعات بیشتر همیشه به معنی جواب بهتر نیست.
اگر حجم زیادی از اطلاعات نامرتبط یا بی‌ساختار به مدل بدیم، ممکنه تصمیم‌گیری ضعیف‌تر بشه و حتی احتمال خطا و Hallucination بالاتر بره. برای همین یک Context خوب معمولا باید چهار ویژگی داشته باشه:
🟠اطلاعاتش مرتبط باشه
🟠ساختار مشخصی داشته باشه
🟠در زمان درست وارد بشه
🟠 و تا جای ممکن خلاصه و فیلتر شده باشه
🔴 مثلا فرض کن یک Agent قراره برای بیمار وقت پزشک رزرو کنه. اگر فقط بهش بگیم، «برای این بیمار وقت بگیر» اطلاعات زیادی برای تصمیم درست کم داره. اما اگر قوانین کلینیک، زمان‌های آزاد پزشک، ترجیح بیمار و خروجی API رزرو هم در اختیارش باشه، می‌تونه تصمیم دقیق‌تری بگیره.
💡 در واقع هدف این نیست که مدل رو با اطلاعات بیشتری پر کنیم؛ هدف اینه که اطلاعات درست، در زمان درست و با ساختار درست در اختیارش قرار بگیره. برای ساخت Agentهای قابل اعتماد، مهارت فقط در نوشتن Prompt نیست؛ بخش مهم‌تر ماجرا اینه که بدونیم چه Contextی باید در اختیار مدل قرار بگیره و چطور مدیریت بشه.

🤖 بوتکمپ ایجنت‌های هوش‌مصنوعی
🤖 سلسله وبینارهای رایگان AI Agents

📍 کانال هوش‌مصنوعی کافه‌تدریس:
@Cafetadrispro