Context Engineering in 2026 — Louis-François Bouchard, Omar Solano & Samridhi Vaid, Towards AI
I en video från Towards AI presenterar Louis-François Bouchard, Omar Solano och Samridhi Vaid resultat från experiment med hur man bäst hanterar långt sammanhangshistorik i AI-system.
De testade en AI-handledare och fann att det ofta är bättre att behålla all historia istället för att försöka komprimera den — eftersom prompt caching (där API:erna sparar tokens och återanvänder dem billigare) gör att komprimering faktiskt blir dyrare när den förstör cachen. I sina mätningar behöll den okomprimerade versionen detaljerna 95 procent av tiden jämfört med 32 procent efter sammanfattning, och klarade att hålla specifika fakta ända till 800 000 tokens. Huvudregeln de landar på är att först identifiera vilken begränsning du faktiskt har — kontextfönstrets storlek, hastighet eller kostnad — innan du börjar komprimera.
Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör AI Engineer.
Mer att läsa
Building advertising for the way people use AI
OpenAI för 2 tim sedan
Server-Side Code Execution Tools for AI Agents, Compared
OpenRouter för 12 tim sedan
v0.40.0
Ollama för 12 tim sedan
Google froze its open source bug bounty program due to a ‘significant rise’ in AI submissions
TechCrunch AI för 16 tim sedan