Control Engineering

منبع ترجمه‌ای از مقاله‌ی: The AI Context Engineering Playbook: 15 Ways to Stop Burning Tokens and Get More From Your AI Tools 📎 مشاهده‌ی نسخه‌ی اصلی @ControlEngineering98

حرف آخر اکثر برنامه‌نویسان روی مهندسی پرامپت (Prompt Engineering) تمرکز می‌کنند، یعنی چگونه سوالات بهتری از AI بپرسند. مزیت رقابتی بعدی، مهندسی کانتکست است، یعنی AI قبل از اینکه شما سوال کنید، چه چیزی را می‌بیند. من دو بار در یک روز به محدودیت Copilot خوردم چون با یک منبع محدود مثل یک منبع نامحدود…

جعبه‌ابزارهای پیشنهادی ● CodeGraph: Repository search → Github ● Context7 MCP: Documentation retrieval → Website ● RTK: Log compression → Github ● Caveman Mode: Concise responses → Github ● Token Dashboard : Token monitoring → Github ● Claude Code: Context management ● Plan Mode: Planning before co…

تصویر کامل (نقشه‌ی راه) در اینجا نحوه‌ی نگاشت همه‌ی ۱۵ تکنیک به مشکلی که حل می‌کنند، آورده شده است:

۱۵. مصرف توکن رو مثل هر هزینه‌ی فنی جدی بگیر همون‌طور که هزینه‌های سرور ابری، APIها و دیتابیس رو ردیابی می‌کنی، مصرف توکن هوش مصنوعی هم باید در همین دسته قرار بگیره. تیم‌های مهندسی که با توکن‌ها مثل زیرساخت رفتار می‌کنند: ● هزینه‌ی کمتری برای اشتراک‌های AI می‌پردازند. ● پاسخ‌های بهتر و منسجم‌تری د…

ابزارهایی مانند CodeGraph، Context7 و سیستم‌های RAG بر اساس این اصل ساخته شده‌اند. تغییر از «تخلیه‌ی بی‌رویه» به «دریافت هدفمند» جایی است که بیشترین پیشرفت را خواهید دید.

۱۴. به جای دپو کردن اطلاعات، دقیقاً چیزی رو که نیاز داری پیدا کن این مهم‌ترین تغییر طرز فکری است که باید رخ دهد. اکثر برنامه‌نویسان فکر می‌کنند:  همه‌چیز را به AI می‌دهم تا چیزی را از قلم نیندازد. مهندسی کانتکست می‌گوید:  دقیقاً همان چیزی را به AI می‌دهم که برای انجام این وظیفه‌ی خاص نیاز دارد.

استفاده از یک مدل با قدرت استدلال بالا برای نوشتن یک فایل README، مثل این است که یک معمار ارشد را برای جارو کردن حیاط استخدام کنید. از نظر فنی جواب می‌دهد، اما اشتباهی پرهزینه است.

۱۳. از لایه‌بندی مدل (Model Tiering) استفاده کن هر کاری به قوی‌ترین (و گران‌ترین) مدل شما نیاز ندارد. من از یک قانون ساده استفاده می‌کنم:

بهترین فایل‌های راهنما، کوتاه، متمرکز، ساختاریافته و به‌راحتی قابل کش هستند. ماهانه آن‌ها را بازبینی کنید و بی‌رحمانه کوتاهشان کنید.

۱۲. جلوی حجیم‌شدن بی‌رویه‌ی فایل‌های راهنما را بگیر این یکی حیله‌گر است چون حس بهره‌وری می‌دهد. فایل claude.md را می‌سازید. بعد به آن اضافه می‌کنید. بعد AGENTS.md. بعد project-rules.md. هرکدام به مرور زمان بزرگ‌تر می‌شوند چون اضافه کردن، امن‌تر از حذف کردن به نظر می‌رسد.

هر سه‌ماه یک بار بررسی کنید. ابزارهایی که «فقط در صورت نیاز» وصل کرده‌اید را حذف کنید، چون در هر درخواست از شما هزینه می‌گیرند.

۱۱. سرورهای MCP خود را بررسی کن سرورهای MCP قدرتمندند؛ آنها AI شما را به GitHub، Slack، Google Calendar، APIهای داخلی و ... متصل می‌کنند. اما هر ابزار متصل شده، چه در آن نشست از آن استفاده کنید چه نکنید، به سربار (Overhead) کانتکست شما اضافه می‌کند.

ابزارهایی مثل Token Dashboard به شما دید می‌دهند که توکن‌ها دقیقاً کجا دارند مصرف می‌شوند. نمی‌توانید چیزی را که اندازه نمی‌گیرید، بهینه کنید.

۱۰. مصرف کانتکست را مثل زیرساخت مانیتور کن شما CPU را مانیتور می‌کنید. حافظه را مانیتور می‌کنید. زمان اجرای کوئری‌های دیتابیس را مانیتور می‌کنید. آیا مصرف توکن را هم مانیتور می‌کنید؟ اکثر برنامه‌نویسان این کار را نمی‌کنند، تا وقتی که به محدودیت نرسند.