+1 para "ingeniería de contexto" sobre "ingeniería de avisos". Las personas asocian las indicaciones con breves descripciones de tareas que le darías a un LLM en tu uso diario. En todas las aplicaciones de LLM de potencia industrial, la ingeniería de contexto es el delicado arte y la ciencia de llenar la ventana de contexto con la información adecuada para el siguiente paso. Ciencia porque hacer esto bien implica descripciones y explicaciones de tareas, pocos ejemplos de tomas, RAG, datos relacionados (posiblemente multimodales), herramientas, estado e historia, compactación... Demasiado poco o de la forma incorrecta y el LLM no tiene el contexto adecuado para un rendimiento óptimo. Demasiado o demasiado irrelevante y los costos de LLM podrían aumentar y el rendimiento podría disminuir. Hacer esto bien no es trivial. Y el arte por la intuición rectora en torno a la psicología de las personas y los espíritus. Además de la ingeniería de contexto en sí, una aplicación LLM debe: - Dividir los problemas en flujos de control - Empaquetar las ventanas contextuales a la perfección - Despachar llamadas a LLM del tipo y capacidad adecuados - manejar flujos UIUX de verificación de generación - mucho más: barandillas, seguridad, evaluaciones, paralelismo, precarga, ... Por lo tanto, la ingeniería de contexto es solo una pequeña pieza de una gruesa capa emergente de software no trivial que coordina las llamadas individuales de LLM (y mucho más) en aplicaciones de LLM completas. El término "envoltorio de ChatGPT" está gastado y muy, muy equivocado.