Claude Code و Codex يغيران القواعد: Context Engineering يحل محل المحفزات

نُشِرَ تحليل ضخم حول Context Engineering على موقع Habr AI، وأطروحته الرئيسية عملية للغاية: في أدوات الوكلاء مثل Claude Code و Codex و Cursor، تعتمد جودة النتائج الآن ليس فقط على صياغة الطلب، بل على البيئة بأكملها حول النموذج. يحتل النص الخاص بالمستخدم نفسه جزءًا ضئيلًا جدًا من السياق، بينما التأثير الحاسم يأتي من prompt النظام وتعليمات المشروع والذاكرة بين الجلسات والأدوات وسجل الحوار ونتائج استدعاءات الأدوات. بعبارة أخرى، عصر "prompt السحري" ينتهي، وتحل محله هندسة السياق.

تدور الفكرة الأساسية حول طبيعة نافذة السياق. يُقترح إدراكها باعتبارها مكتب النموذج: كلما زاد عدد الأوراق العشوائية عليه، كلما سوء توزيع الانتباه على الإشارات المهمة حقًا. السياق الطويل ليس أغلى ثمنًا فحسب.

فهو يقلل الجودة نتيجة تأثيرين. الأول هو context rot، عندما ينتشر الانتباه، يبدأ النموذج بنسيان القيود السابقة، ويتعثر على نقاط قديمة، ويعطي إجابات أكثر غموضًا. الثاني هو reasoning shift: مع نمو السياق، ينقل جزء من الموارد الحسابية لمعالجة المدخل بدلاً من التفكير، لذا يمكن أن تبدو الإجابة واثقة لكن تكون أقل تبريرًا.

تقدم المقالة تقديرًا بأن السياق الطويل يمكن أن يقلل بشكل مفاجئ من عمق التفكير بنسبة تصل إلى 50 بالمائة. يشرح المؤلف لماذا يحدث هذا من خلال بنية Transformer. يحتوي Attention في شكله الأساسي على تعقيد تربيعي O(n^2): يجب أن يرتبط كل رمز برمز آخر.

لذلك، إضافة المستندات والملفات والمراسلات الطويلة تزيد التكلفة ليس خطيًا بل تربيعيًا. في الممارسة، يؤثر هذا على جميع المعاملات الأربعة في نفس الوقت: سرعة الاستجابة والتكلفة والحدود والدقة. ومن هنا الأطروحة الرئيسية: الهندسة الجيدة للسياق ليست "إدخال كل شيء في النموذج"، بل اختيار المجموعة الدنيا من الرموز عالية الإشارة التي تزيد من فرصة النتيجة المرغوبة.

علاوة على ذلك، تناقش المادة مما يتكون السياق في الأنظمة الوكيلة. بصرف النظر عن أوزان النموذج نفسه، هناك عدة طبقات قابلة للإدارة على الأقل: prompt النظام وملفات المشروع مثل CLAUDE.md أو AGENTS.

md والذاكرة حول المستخدم والمشروع والمهارات بالعمليات الجاهزة وتكاملات MCP والملفات المحملة بشكل محدد وكل سجل tool_result. يتم التأكيد بشكل منفصل على أن النموذج لا "يتذكر" المحادثة بنفسه: يعيد الإطار تجميع وإرسال السجل إليه كل مرة. لهذا السبب، كل وصف أداة غير ضروري وكل خادم MCP غير مستخدم وكل ملف نظام طويل يبدآن يستهلكان الرموز عدة مرات.

للتوفير في الرموز، يلزم prompt cache و compact مدروس وجلسات جديدة عبر clear وعزل البحث الثقيل في subagents، بحيث يحصل الوكيل الرئيسي ليس على جبال من البيانات الوسيطة بل على ملخص قصير. يتعلق الجزء الأكثر عملية بتكلفة نمط الوكيل. قد لا يكون الطلب الواحد للوكيل عبارة عن استدعاء نموذج واحد، بل سلسلة كاملة من عدة استدعاءات مع tool use.

في مثال تحليل نشر فاشل، تتحول رسالة مستخدم واحدة إلى أربع استدعاءات نموذج وثلاث تنفيذات أدوات. بدون التخزين المؤقت، تصبح هذه الحلقة بسرعة غير منطقية اقتصاديًا؛ مع prompt cache ينخفض السعر بشكل حاد، لكن حتى عندئذ من المهم تذكر أن رموز الإخراج والتفكير المخفي أكثر تكلفة من الإدخال العادي، وتنتهي التعريفات الطويلة للأدوات والتعليمات النظامية في كل جولة. ومن هنا استنتاج المؤلف: لا يتميز الماهر بكتابة prompts أكثر براعة، بل بتجميع بيئة قابلة للتكرار مرة واحدة — مع قواعد المشروع والذاكرة والأدوات ذات الصلة والعمليات — ثم جعل الوكيل يعمل وفقًا لهذا العقد.

بالنسبة لسوق تطوير الذكاء الاصطناعي، هذا تحول مهم. تدور المنافسة أقل فأقل حول صياغة جميلة للطلب وأكثر فأكثر حول جودة تجميع السياق وانضباط الرموز وهندسة بيئة الوكيل. ستحصل الفرق التي تتعلم إدارة الذاكرة والأدوات والسجل بنفس الحرص الذي كانت تدير به prompts في السابق ليس فقط على إجابات أكثر دقة، بل على تكاليف قابلة للتنبؤ.

هذا يعني أن المرحلة التالية من تطور أدوات الذكاء الاصطناعي سيتم تحديدها ليس بسحر prompt بل بهندسة السياق.