Несколько месяцев назад Тоби Лютке, CEO Shopify, бросил в твиттере термин, который мгновенно подхватила вся tech-тусовка: «context engineering» (инжиниринг контекста). Все мы уже привыкли к идее «промпт-инжиниринга»: чтобы получить хороший ответ от ИИ, нужно задать хороший вопрос. Но что, если даже идеально сформулированный запрос терпит неудачу? Просто потому, что у ИИ нет фонового понимания ситуации.
Представьте виртуального агента поддержки в вашем банке или интернет-магазине. Вы можете неделями настраивать промпты («будь вежливым», «предлагай решения из базы знаний»), но если бот не видит историю ваших предыдущих обращений, не понимает, что вы — VIP-клиент, и не знает, что вчера у вас была проблема с переводом, его ответы будут шаблонными и бесполезными. Именно здесь промпт-инжиниринг упирается в потолок, и на сцену выходит инжиниринг контекста.
Prompt Engineering vs. Context Engineering: не соперники, а партнеры
Проще всего понять разницу через простую таблицу:
Prompt-инжиниринг — это искусство задавать вопросы. Context-инжиниринг — это искусство снабжать ИИ правильными «вводными данными» до того, как вопрос будет задан.
Что такое Context Engineering на практике?
Это целенаправленное формирование полной картины вокруг запроса для ИИ. Учёт всего, что имеет значение: предыдущих диалогов, релевантных данных из CRM и ERP, целей бизнеса, скриптов общения, внутренней политики.
Контекст не «загружается пачкой» — он тщательно отбирается, структурируется и инженирится, чтобы быть максимально релевантным. Иными словами, это инфраструктура знаний, которую вы строите вокруг ИИ-модели.
Три кита, на которых строится контекст
Есть три ключевых технических подхода, которые делают контекст доступным для ИИ:
- RAG (Retrieval-Augmented Generation) — «поисковая дополненная генерация».
- Это самый популярный сегодня способ. Когда пользователь задаёт вопрос, система в реальном времени ищет релевантные данные в ваших внутренних базах (базах знаний, документах, истории транзакций) или авторитетных внешних источниках. Затем она «подкладывает» найденные фрагменты текста в промпт к ИИ. Так модель отвечает не «вообще», а на основе ваших конкретных данных. Именно RAG лежит в основе современных ИИ-ассистентов, которые «знают» содержимое ваших файлов.
- Fine-tuning (Тонкая настройка).
- Если RAG даёт ИИ «шпаргалку» к конкретному вопросу, то тонкая настройка меняет саму «личность» модели. Вы дообучаете большую языковую модель (например, GPT) на небольшом, но специфичном наборе данных — скажем, на истории переписки с клиентами, юридических документах или медицинских заключениях. Модель впитывает стиль, терминологию и логику вашей предметной области. Это дороже и сложнее, но позволяет получить глубокое доменное понимание.
- Prompt Engineering.
- Да, он никуда не делся. В системе с контекстом промпт становится финальным, самым точным инструментом. Он формулирует задачу, используя уже подготовленный и поданный в модель контекст. Это верхушка айсберга, которая не работает без невидимой массивной основы — инжениринга контекста.
Настоящая магия происходит, когда все три метода работают вместе. Fine-tuning даёт ИИ общее понимание домена, RAG подгружает актуальные данные «здесь и сейчас», а грамотный промпт направляет мысль модели к нужному выводу.
Ключевой вывод: Контекст — это новый интерфейс
Context engineering — это не отказ от промптов, а признание простой истины: ИИ, лишённый контекста, слеп. Особенно в бизнес-среде, где каждое решение зависит от истории, данных и конкретных обстоятельств.
Реальный прорыв в продуктивности наступает, когда точно сформулированный запрос встречается с правильно подобранным и структурированным контекстом. Именно этот симбиоз позволяет:
- AML-платформе (как ComplyAdvantage из нашей прошлой статьи) не просто искать имена в списках, а давать ситуационную оценку риска.
- Агенту поддержки реально решать проблемы, а не читать скрипты.
- Аналитическому ИИ генерировать инсайты, а не просто пересказывать графики.
Внедряя ИИ-решения, задавайтесь вопросом не только «Как нам его спросить?», но и «Какие данные ему нужно предоставить, чтобы он понял суть?». Ответ на этот вопрос и есть суть context engineering — следующего обязательного шага для любого, кто хочет получить от ИИ не развлекательный трюк, а стратегическое преимущество.