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
SOTA Generative Media Panel — Dumitru Erhan, Shane Gu & Nicole Brichtova, Google DeepMind
AI Engineer 30 aug.
Tell the Robot What You Want — Sandhya Subramani, AWS
AI Engineer 29 aug.
The Signal Layer: What to Build When Anything Can Be Built — Lena Hall, Akamai
AI Engineer 29 aug.
Tribal Dungeons of Global Shipping: AI Agents at Global Scale — Dmitry Buykin, Maersk
AI Engineer 29 aug.