Série de lecture / 6 parties · 1,8 h de lecture
Context Engineering
Le même modèle et la même stack peuvent produire des résultats opposés parce que le contexte change le résultat. Ces six articles s’appuient sur 9 mois de données de production chez Méthode Aristote.
Le parcours de lecture
Lire dans l’ordre. Revenir au besoin.
- 01
1/6 · Résultats opposés avec l’IA : ce que le contexte peut expliquer
Anthropic a mesuré les PR fusionnées ; METR a mesuré la durée des tâches dans un autre cadre. Ce qu’établissent ces résultats et la recherche sur le contexte long, et ce qui reste une hypothèse.
- 02
2/6 · Diagnostiquer et réparer la dérive du contexte
Utiliser L0 à L5 pour diagnostiquer la dérive du contexte, puis maintenir l'adhérence par observation, réparation et répétition plutôt que de considérer la configuration comme terminée.
- 03
3/6 · Cartographier la boîte à outils de réduction de tokens
Comparer RTK, Tokenade, Headroom et le cache de prompts par mécanisme, intégration et preuve. Une sortie d’outil plus petite ne prouve pas qu’une tâche terminée coûte moins cher.
- 04
4/6 · Les responsabilités autour du context engineering
Une carte des responsabilités du context engineering : architecture, spécifications, identité des agents et évaluation, avec des pistes concrètes pour les compétences existantes.
- 05
5/6 · Le système d'instructions IA est un produit, pas un fichier de configuration
Du CLAUDE.md personnel au système d'instructions IA pour six ingénieurs. Comment Méthode Aristote sépare les sources, partage les modules et détecte la dérive comportementale en CI.
- 06
6/6 · La portabilité devient un sujet de Scale
Des instructions portables exigent des sources neutres, des sorties générées pour les runtimes, des contrôles de release et des tests comportementaux. Les primitives natives seules ne suffisent pas.