“Prompt Engineering”-ээс “Loop Engineering” рүү

Сүүлийн жилүүдэд хиймэл оюуны (AI) салбарт хамгийн их яригдсан ойлголт бол Prompt Engineering байсан, өөрөөр хэлбэл, AI-д зөв асуулт, тодорхой заавар өгснөөр илүү чанартай хариулт авах арга юм.

Гэвч AI-ийн хөгжил дараагийн шатандаа орж, энэ ойлголт дангаараа хангалтгүй болж эхэлжээ.

Яагаад Prompt Engineering хангалтгүй болсон бэ?

Том хэлний загварууд (LLM) аль хэдийн маш хүчирхэг болсон. GPT, Claude, Gemini зэрэг загваруудын ялгаа багасаж, хамгийн чухал зүйл нь загвар биш, харин тухайн загварыг хэрхэн ажиллуулж байгаа архитектур болж байна.

Өмнө нь:

• Prompt → Model → Response

гэдэг энгийн дараалал хангалттай байсан. Өөрөөр хэлбэл, хэрэглэгч асуултаа асууна, AI боловсруулна, дараа нь шууд хариулна.

Loop Engineering гэж юу вэ?

Loop Engineering нь AI-г нэг удаа асуултад хариулдаг систем биш, зорилгодоо хүрэх хүртэл өөрийгөө дахин дахин ажиллуулдаг агент болгон зохион байгуулах арга юм.

Зураг дээрх схемийг анзаарахад AI агент нэг л удаа хариулт өгөөд зогсдоггүй. Харин дараах мөчлөгөөр ажилладаг.

Эхлээд AI өөрт байгаа мэдээлэл, өмнөх яриа болон зорилгоо харгалзан нөхцөл байдлыг ойлгоно. Дараа нь асуудлыг шийдэхэд нэмэлт мэдээлэл эсвэл хэрэгсэл шаардлагатай эсэхийг шийдвэрлэнэ.

Хэрэв шаардлагагүй гэж үзвэл шууд хариултаа өгөөд ажлаа дуусгана.

Харин шаардлагатай бол интернетээс мэдээлэл хайх, код ажиллуулах, өгөгдлийн сангаас мэдээлэл авах зэрэг хэрэгслүүдийг ашиглана. Олсон шинэ мэдээллээ дахин боловсруулж, шийдвэрээ шинэчилнэ.

Хэрэв үр дүн нь хангалтгүй бол энэ үйл явцыг дахин давтана.

Prompt Engineering – AI-д зөв заавар өгөх.

Context Engineering – AI ямар мэдээлэл дээр үндэслэн ажиллахыг удирдах.

Harness Engineering – AI, хэрэгслүүд, туслах агентууд болон шалгалтын системийг нэгтгэх.

Loop Engineering – Эдгээр бүх процессыг удирдаж, шаардлагатай үед дахин төлөвлөж, дахин ажиллуулж, зорилгодоо хүрэх хүртэл тасралтгүй ажиллуулах.