El artículo "Context Engineering Needs Domain Understanding" de Rod Johnson presenta Domain-Integrated Context Engineering (DICE) como una evolución de context engineering para construir aplicaciones LLM más efectivas y robustas. Johnson comienza reconociendo "context engineering" como un avance valioso respecto a la "ingeniería de prompts", definiéndola como el arte y la ciencia de llenar la ventana de contexto del LLM con información relevante. Sin embargo, argumenta que esta definición es incompleta, ya que descuida dos aspectos cruciales: la naturaleza bidireccional de la comunicación con los LLM (lo que se envía y lo que se recibe) y la integración de las aplicaciones LLM con la comprensión del negocio y los sistemas existentes.
DICE: Extensión Conceptual
Para abordar estas carencias, Johnson propone DICE, que extiende context engineering enfatizando el uso de un modelo de dominio para estructurar el contexto y considerando las salidas del LLM además de las entradas. La idea central: aunque los LLM sobresalen en el lenguaje natural, añadir estructura a las entradas y salidas los hace más seguros y fiables. DICE permite a los LLM "conversar" utilizando la terminología y los conceptos establecidos de un negocio, favoreciendo una mejor integración con las aplicaciones existentes. En este contexto, los objetos de dominio no son meras estructuras de datos, sino que definen comportamientos específicos que pueden exponerse tanto a código escrito manualmente COMO a los LLM en forma de herramientas.
Beneficios Convincentes de DICE
El artículo destaca varios beneficios convincentes de adoptar DICE. En primer lugar, permite usar código para estructurar el contexto, transformando un "arte delicado" en un proceso más científico en el que el contexto puede refinarse, razonarse y probarse. Esto también permite un filtrado preciso del contenido, mejorando los resultados y ahorrando tokens. En segundo lugar, DICE facilita una integración más simple y segura con los sistemas existentes, yendo más allá de las aplicaciones de Gen AI de "demostración" hacia escenarios del mundo real en los que los agentes necesitan acceder a funcionalidades existentes. Al trabajar con objetos de dominio, las empresas pueden reutilizar sus modelos de dominio existentes y capitalizar una comprensión del negocio duramente adquirida.
Ventajas Adicionales
Otras ventajas incluyen una entrega más rápida y una calidad mejorada gracias a la reutilización de modelos de dominio entre aplicaciones y agentes. DICE también ofrece opciones de persistencia estructurada, lo que permite una recuperación más precisa mediante tecnologías existentes como SQL o Cypher, un complemento potencial a la búsqueda vectorial. La estructura y la encapsulación aportadas por el modelo de dominio refuerzan la capacidad de prueba, la depuración y el trazado, ya que la información aparece en las herramientas de observabilidad en un formato estructurado y comprensible. Por último, la integración de dominio ayuda a gestionar el contexto en flujos de varios pasos, evitando la degradación de la calidad y controlando los costes de tokens.
Posicionamiento Estratégico
Johnson concluye que la integración de dominio es fundamental para liberar todo el valor de negocio de la IA generativa, posicionando las aplicaciones de negocio existentes como la adyacencia clave para la Gen AI, en lugar de la ciencia de datos o los LLM por sí solos. El argumento central: la estructura del modelo de dominio transforma las capacidades del LLM de potentes-pero-caóticas a controladas-y-fiables, una condición esencial para la adopción empresarial. Al conceptualizar los objetos de dominio como entidades portadoras de comportamientos que pueden exponerse como herramientas, DICE tiende un puente sobre la brecha conceptual entre el potencial del LLM y la realidad empresarial, ofreciendo un marco para una integración sistemática, fiable y creadora de valor de la Gen AI en los flujos de trabajo de negocio existentes. Esta perspectiva pragmática reconoce que el valor de la Gen AI no reside en el aislamiento, sino en una integración armoniosa con los sistemas probados en los que reside el conocimiento de dominio.