+1 für "Context Engineering" über "Prompt Engineering". Die Leute assoziieren Eingabeaufforderungen mit kurzen Aufgabenbeschreibungen, die Sie in Ihrem täglichen Gebrauch einem LLM geben würden. In jeder industrietauglichen LLM-App ist Context Engineering die heikle Kunst und Wissenschaft, das Kontextfenster mit genau den richtigen Informationen für den nächsten Schritt zu füllen. Wissenschaft, weil dies richtig zu machen Aufgabenbeschreibungen und -erklärungen, wenige Shot-Beispiele, RAG, verwandte (möglicherweise multimodale) Daten, Werkzeuge, Zustand und Geschichte, Verdichtung ... Zu wenig oder in der falschen Form und das LLM hat nicht den richtigen Kontext für eine optimale Leistung. Zu viel oder zu irrelevant und die LLM-Kosten könnten steigen und die Leistung sinken. Dies gut zu machen, ist höchst nicht trivial. Und Kunst wegen der leitenden Intuition rund um die LLM-Psychologie der Menschen-Geister. Zusätzlich zum Context Engineering selbst muss eine LLM-App: - Probleme genau richtig in Kontrollabläufe aufteilen - Packen Sie die Kontextfenster genau richtig - Anrufe an LLMs der richtigen Art und Fähigkeit weiterleiten - UIUX-Flows zur Generierungsverifizierung verarbeiten - vieles mehr - Leitplanken, Sicherheit, Evals, Parallelität, Prefetching, ... Context Engineering ist also nur ein kleiner Teil einer entstehenden dicken Schicht nicht-trivialer Software, die einzelne LLM-Aufrufe (und vieles mehr) zu vollständigen LLM-Apps koordiniert. Der Begriff "ChatGPT-Wrapper" ist müde und wirklich, wirklich falsch.