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 är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör AI Engineer.
Mer från AI Engineer
The exact tools used to port a massive codebase in days #programming #typescript #dev
AI Engineer för 3 tim sedan
The Universal Remote Control for AI — Alex Hancock, Block
AI Engineer för 7 tim sedan
MCP Apps: Give the Model Data, Give the User a UI — Dustin Mihalik, Indeed
AI Engineer för 7 tim sedan
Your agents lack context: Here's how to fix "You're absolutely right!" — Brandon Waselnuk, Unblocked
AI Engineer för 8 tim sedan