Kontekst je kralj: Skrivnost boljših rezultatov z AI
Nauči se naprednih tehnik kot so Chain-of-Thought, RAG in kontekstni inženiring za dramatično izboljšanje natančnosti AI in boljše rezultate iz tvojih navodil.
Pri programiranju z AI sem se že dolgo nazaj naučil eno osnovno resnico: kontekst je kralj.
Ko delam v programerskem orodju, AI ne pošljem samo vprašanja in čakam na odgovor. Dam mu jasna navodila. Pokažem mu relevantne datoteke iz projekta. Razložim, Kako različni deli kode delujejo skupaj.
Brez tega konteksta AI vedno znova predlaga rešitve, ki so mimo cilja in nimajo smisla za moj projekt.
S pravim kontekstom? Predlogi so točni, uporabni, relevantni.
To je pri AI programiranju že davno jasno.
Ampak večina ljudi tega načela ne uporablja v vsakdanji uporabi AI.
To počnemo narobe
Kot sem že v preteklosti večkrat rekel, večina ljudi obravnava AI kot avtomat: vstaviš vprašanje, dobiš odgovor.
Toda tako ne dobiš najboljših rezultatov. AI ni avtomat. Bolj je podoben vsevedemu pripravniku, ki vse ve, a potrebuje jasna navodila.
In podobno kot pri pravemu pripravniku je kakovost rezultatov popolnoma odvisna od kakovosti tvojih navodil.
AI je kot ogromna črna skrinjica znanja. Ko napišeš prompt, dejansko usmeriš AI v določen del te skrinjice.
Predstavljaj si to takole: če v promptu omeniš ime določenega strokovnjaka, AI “zajadra” v del svojega znanja, kjer so shranjene informacije povezane z njim. Če omeniš drugi koncept ali pristop, gre v popolnoma drugačen predel.
Isti problem, isti AI, ampak ena sama ključna beseda v promptu lahko pomeni razliko med odgovorom, ki je uporaben, in odgovorom, ki je popolnoma zgrešen.
Tako pač AI deluje. Pa saj v resnici tudi ljudje…
In še nekaj raziskav, kako to izkoristiti:
1. Kontekstni inženiring premaga inženiring navodil
Vsi govorijo o “inženiringu navodil” (prompt engineering), iskanju popolnega načina, kako zastaviti vprašanje.
Ampak te zanim, kaj še bolj vpliva?
Kontekstni inženiring (context engineering): kako dati čim bolj prave informacije, pravi format, prava orodja in pravo strukturo.
Ne gre za en čarobni stavek. Gre za to, da AI-ju damo vse kar potrebuje in mu tako preprosto mora uspeti.
Recimo, ko odgovarjaš na emaile strank, AI-ju ne reci le “napiši odgovor.” Daj mu:
- Kontekst: kaj stranka sprašuje in kakšen je njen problem
- Primer vašega tona komunikacije
- Relevantne podatke (kdaj je naročila, kaj je kupila, status naročila)
- Cilj: rešiti problem in ohraniti zaupanje stranke
Isti AI, 10-krat boljši rezultati.
2. Prisili AI, da pokaže postopek
Se spomniš matematike v šoli, ko so učitelji zahtevali, da pokažeš postopek reševanja? Izkaže se, da je to načelo ključno tudi za AI.
Raziskovalci so odkrili nekaj, kar se imenuje “Chain-of-Thought” (Veriga misli). Namesto da bi AI dovolil skakati do zaključkov, ga prisiliš, da korak za korakom razmišlja o problemu.
Izboljšanje natančnosti je osupljivo, pogosto 30—50 % boljše pri kompleksnih nalogah.
Ampak še bolje je s “Tree-of-Thoughts” (Drevo misli). Namesto ene linearne verige sklepanja AI raziskuje več poti hkrati. Lahko ocenjuje možnosti, se vrača, ko je potrebno, in sledi najbolj obetavnim smerem.
To je podobno temu, kako sam rešuješ težke probleme, ne slediš slepo eni misli, ampak raziskuješ različne kote.
Če pa tega ne delaš, pa sedaj veš da je bolje tako. 🙂
3. Verifikacijske zanke preprečujejo halucinacije
Največja slabost AI? Samozavestno si izmišljuje stvari.
Tehnični izraz je “halucinacija”, a v resnici gre le za napačno predvidevanje. AI ne ve, kdaj nečesa ne ve, zato zapolni vrzeli z nesmiselom, ki zveni verjetno.
Rešitev? V svoj proces vključi preverjanje.
Ena tehnika se imenuje Retrieval Augmented Generation (RAG). Preden AI generira odgovor, najprej preišče preverjeno bazo znanja za dejstva, nato pa svoj odgovor utemelji na teh informacijah.
Druga je Chain-of-Verification (CoVe). AI generira odgovor, nato si zastavi vprašanja za preverjanje in popravi na podlagi ugotovitev.
V praksi pa lahko uporabiš lažjo različico: Po prejemu kakršnegakoli dejanskega odgovora vprašaj “Katere dele tega odgovora bi moral preveriti? Kaj bi lahko bilo narobe? Navedi vire.”
To je, kot da bi AI sam preverjal svoja dejstva.
4. Naj razmišlja naglas
Tukaj je nekaj kontraintuitivnega iz raziskav: Ko prisiliš AI, da je preveč jedrnat, natančnost pade.
Raziskovalci so poskusili prisiliti modele, da odgovorijo z eno besedo ali črko. Uspešnost se je drastično poslabšala.
Toda ko so uporabili “Reasoning-First” (Najprej sklepanje), torej dovolili AI, da pojasni svoje razmišljanje pred podajo končnega odgovora, se je natančnost dramatično izboljšala.
Nauk? Ne hiti k zaključku. Pot je pogosto vrednejša od cilja.
Meta-veščina: Postati kontekstni inženir
Vse to kaže na večji premik, ki se dogaja prav zdaj.
Pred petimi leti je bilo učinkovito znanje uporabe Googla dragocena veščina. Danes postaja prav tako pomembno znanje komunikacije z AI.
Premikamo se od “pridobivanja informacij” k “sodelovanju z inteligenco.”
In ljudje, ki to obvladajo, ki se naučijo dati AI pravi kontekst, strukturo in verifikacijske zanke, bodo imeli ogromno prednost pred tistimi, ki AI še vedno obravnavajo kot iskalnik.
Kako to dejansko uporabljam
Naj ti predstavim nekaj primerov:
Za raziskave in dejstva: Uporabljam RAG-stil navodil. Prilepim relevantne dokumente in rečem: “Samo na podlagi danih informacij mi povej…”
Za kompleksne analize: Uporabljam Chain-of-Thought. “Analiziraj to korak za korakom: Najprej [X], nato [Y], nato mi podaj svoj zaključek z obrazložitvijo.”
Za kreativno delo: Uporabljam Tree-of-Thoughts. “Generiraj tri popolnoma različne pristope k temu. Pojasni kompromise vsakega.”
Vedno: Dodam preverjanje. “Kakšne so potencialne slabosti tega odgovora? Kaj bi moral dvojno preveriti? Navedi vire.”
Tak način sem razvil s poskusi in napakami. Vendar se je AI spremenil iz “občasno koristnega” v “bistven vsakodnevni pripomoček.”
Kam to vodi
S tem se učimo sodelovati z novo obliko inteligence.
In kot pri vsakem sodelovanju uspeh temelji na komunikaciji. Boljša kot je tvoja komunikacija, boljši bodo tvoji rezultati.
Trenutno je večina ljudi na ravni “turističnega priročnika fraz” pri komunikaciji z AI. Znajo dovolj za osnovne odgovore, a nič več.
Priložnost je v poglabljanju. V učenju strukture, tehnik in verifikacijskih zank. Čeprav opažam, da vsak ponudnik AI-ja integrira te tehnike v sosledje dogodkov, ki se zgodijo avtomatsko ko nekaj vprašaš AI.
Predvsem je to opazno pri GPT-5, kjer je bil ravno največji napredek v teh dodatnih razmišljanjih ala “Kaj je uprabnik mislil, ko mi je napisal zgornji prompt”.
Vprašaj se, kaj vse moram navesti, da AI uspe vrniti najboljši odgovor.
In ko enkrat to obvladaš, se vse spremeni.
Se kmalu slišiva, Primož
Preizkusi to: Vzemi svoje najpogostejše AI opravilo. Ta teden ne postavljaj samo vprašanja. Poskusi to strukturo: (1) Podaj podroben kontekst, (2) Prosi AI, naj razčleni svoje sklepanje korak za korakom, (3) Naj identificira potencialne šibkosti svojega odgovora, (4) Naj popravi odgovor na podlagi te samoocene. Primerjaj rezultate.