Vi begynner å få et tydeligere tegn på hvor stort overflatearealet for kontekstingeniørkunst vil bli. For å bygge AI-agenter burde det i teorien være så enkelt som å ha en superkraftig modell, gi den et sett med verktøy, ha en veldig god systemprompt og gi tilgang til data. Kanskje det en dag virkelig blir så enkelt. Men i praksis, for å lage agenter som fungerer i dag, må du håndtere en delikat balanse mellom hva du skal gi til den globale agenten kontra en underagent. Hvilke ting skal man gjøre agentisk kontra bare et deterministisk verktøykall. Hvordan håndtere de iboende begrensningene i kontekstvinduet. Du måtte finne ut hvordan du skulle hente ut riktig data for brukerens oppgave, og hvor mye beregning du skulle bruke på problemet. Hvordan bestemme seg for hva man skal lage raskt, og risikere kvalitetsfall, kontra treg men kanskje irriterende. Og endeløse andre spørsmål. Så langt finnes det ikke ett riktig svar på noe av dette, og det finnes meningsfulle kompromisser for enhver tilnærming du tar. Og viktigst av alt, for å få dette riktig kreves en dyp forståelse av området du løser problemet for. Å håndtere dette problemet i AI-koding er annerledes enn jus, som igjen er annerledes enn helsevesenet. Dette er grunnen til at det er så mange muligheter for AI-agentspill akkurat nå.