约束驱动的上下文工程：为人工智能系统设计领域接口

生成式人工智能系统越来越多地被部署来解决领域问题。这些系统在技术、监管、制度和规范约束下运行，这些约束定义了其领域内可接受的人工智能行为和结果。我们在行业参与中观察到一个反复出现的模式：合作伙伴通常会带来一个功能齐全但相对通用的人工智能解决方案。挑战不再是从头开始构建人工智能系统，而是提高人工智能生成的解决方案的质量和领域适用性。在这些设置中，限制因素通常是系统可用上下文的质量、范围和结构。然而，现有的上下文工程方法主要侧重于通过检索、记忆和工具提供领域知识，对系统地识别和操作操作环境中管理人工智能系统的约束的支持有限。本文提出了约束驱动上下文工程（CDCE），这是一种用于人工智能系统工程领域接口的设计方法。 CDCE 借鉴软件架构设计和领域驱动设计 (DDD)，将领域约束视为一流的设计驱动程序。它识别和表征约束，确定所需的上下文资产，并设计表示，通过这些表示将这些资产提供给人工智能系统。我们与行业和公共部门合作伙伴在教育评估、医疗保健决策支持和财务困境预测方面进行了多案例比较研究。根据其特征，约束可以指导人工智能行为，强制执行允许的边界，或支持对人工智能生成的结果的验证。这些案例证明了 CDCE 在不同领域的适用性，并展示了约束特征如何塑造最终的领域接口。