Progresywne ujawnianie kontekstu w agentach AI

Progresywne ujawnianie kontekstu oznacza, że agent AI nie dostaje pełnej wiedzy, wszystkich instrukcji i całego katalogu integracji na starcie. Najpierw widzi lekką warstwę orientacyjną, na przykład nazwę procesu, krótki opis i warunek użycia. Dopiero po rozpoznaniu zadania otwiera właściwy przewodnik, fragment bazy wiedzy, definicję narzędzia lub skrypt. To przeniesienie znanej z projektowania interfejsów zasady do pracy z kontekstem modelu: pokazuj tyle złożoności, ile jest konieczne do podjęcia następnej poprawnej decyzji.

Problem pojawia się, gdy do jednego system promptu trafiają całe procedury sprzedaży, pełna dokumentacja produktu, historia klientów i kilkadziesiąt funkcji API. Model musi wtedy odróżnić ważny szczegół od szumu, mimo że większość informacji nie dotyczy bieżącego zadania. Rośnie koszt tokenów, spada czytelność instrukcji i łatwiej o pominięcie reguły bezpieczeństwa. Duże okno kontekstowe nie rozwiązuje tego automatycznie. Większy pakiet danych może nadal zawierać sprzeczności, stare wersje i informacje odciągające uwagę od celu.

Praktyczny układ ma zwykle trzy warstwy. Pierwsza to katalog możliwości: krótkie nazwy, opisy i przykłady, kiedy użyć procesu. Druga to instrukcja uruchamiana po dopasowaniu, na przykład workflow przygotowania oferty albo reguły kwalifikacji leada. Trzecia obejmuje zasoby pobierane punktowo: konkretny cennik, rekord CRM, szablon maila, schemat API czy skrypt walidujący. Dokumentacja Agent Skills Anthropic opisuje właśnie taki model: metadane są dostępne przy starcie, główne instrukcje po wybraniu umiejętności, a materiały pomocnicze dopiero na żądanie.

Dla soloprzedsiębiorcy dobrym przykładem jest agent obsługujący content, ofertę i kontakt. Nie dawaj mu od razu wszystkich plików marki i każdego narzędzia. W katalogu wpisz: „oferta 1:1, użyj gdy użytkownik pyta o zakres lub przygotowanie propozycji”, „newsletter, użyj do redakcji i zapisu” oraz „CRM, użyj wyłącznie po identyfikacji kontaktu”. Po wyborze ścieżki agent ładuje konkretną instrukcję, a dopiero później aktualny cennik lub dane danego leada. Jeśli rozmowa dotyczy wpisu blogowego, nie potrzebuje schematu płatności ani uprawnień do CRM.

To nie jest ukrywanie informacji przed modelem ani zastępnik źródła prawdy. Agent nadal musi umieć odnaleźć aktualne dane, a opisy w katalogu muszą być konkretne. Niejasne metadane typu „pomoc sprzedażowa” powodują zły wybór, podobnie jak zbyt głęboka hierarchia plików. Projektuj warstwy według decyzji, które agent ma podjąć: czy to jest research, redakcja, obsługa klienta czy działanie na danych. Każda pozycja katalogu powinna jasno powiedzieć, co robi, kiedy jej użyć, jakich danych wymaga i czego nie wolno jej robić.

Progresywne ujawnianie działa także dla narzędzi. OpenAI opisuje tool search jako mechanizm ładowania odroczonych definicji narzędzi w czasie działania, zamiast przekazywania ich wszystkich w każdym żądaniu. Własna implementacja może zacząć od małego routera, który udostępnia kilka kategorii, a po wyborze pobiera pełny kontrakt narzędzia. Nie zwalnia to z walidacji parametrów, minimalnych uprawnień ani zatwierdzania skutków ubocznych. Mniejsza lista widoczna dla modelu nie czyni automatycznie wykonania bezpiecznym.

Wdrożenie zacznij od audytu obecnego promptu i narzędzi. Wypisz, które materiały są potrzebne zawsze, które tylko dla konkretnego typu zadania, a które są danymi pobieranymi dla pojedynczego klienta. Zostaw w warstwie startowej tylko stabilne zasady, granice bezpieczeństwa oraz krótki katalog. Następnie testuj na realnych sprawach: czy agent wybiera właściwą ścieżkę, czy pobiera aktualny dokument i czy umie powiedzieć, że nie ma wymaganych danych. Mierz nie tylko liczbę tokenów, lecz także liczbę błędnych wyborów, czas wykonania i sytuacje, w których agent pobrał niepotrzebny kontekst.

Najczęstszy błąd to przesadne cięcie kontekstu. Agent nie może działać bez stałych zasad marki, bezpieczeństwa i celu biznesowego tylko dlatego, że chcemy oszczędzać tokeny. Drugą pułapką jest brak ścieżki odkrywania, przez co potrzebny plik istnieje, ale agent nie wie, że ma go szukać. Utrzymuj jeden widoczny katalog, wersjonuj instrukcje oraz usuwaj nieaktualne odnośniki. Gdy zadanie ma wysoką stawkę, na przykład publikację, płatność lub zmianę danych klienta, dołóż walidację i zatwierdzenie człowieka. Progresywne ujawnianie poprawia skupienie agenta, ale nie zastępuje kontroli procesu.