Az AI-fejlesztésben egyre többen állítják, hogy a hagyományos prompt engineering szerepe csökken: a hangsúly a memória- és ügynökalapú (agent-based) modellekre tolódik. Az érintett szereplők és rendszerek — köztük Greg Brockman által említett GPT‑5.5, az Opus 4.6 és az OpenClaw projekt — olyan képességeket mutatnak, amelyek lehetővé teszik a magas szintű célok értelmezését, kontextusolvasást, külső eszközök használatát és összetett feladatok befejezését kevesebb, lépésről lépésre adott utasítással.
Mi történt és kik mondták
Greg Brockman, az OpenAI társalapítója szerint a GPT‑5.5 képes magas szintű célokat átvenni, elolvasni a kontextust, böngészőket használni, táblázatokat készíteni, diavetítéseket létrehozni, és rendezetlen munkafolyamatokat befejezni anélkül, hogy minden egyes lépést részletes prompttal kellene megadni. Ugyanakkor az Opus 4.6 is ebbe az új osztályba sorolódik: ezek a modellek nem csupán jobban követik az utasításokat, hanem bizonyos fokú intuíciót mutatnak a feladatok megoldásában.
Milyen technikai megoldások mutatják az irányt
Az OpenClaw projekt például olyan megközelítést alkalmaz, ahol minden generálás és eszközmeghívás előtt a rendszer futásidejű kontextust injektál — például fájlokat agents.md, memory.md, tools.md formátumban — illetve tartalmaz egy memória-wikit. Ennek következtében a rendszer nem várja, hogy a felhasználó egy „tökéletes” nagy promptot írjon meg: a modell már rendelkezik információval arról, ki a felhasználó, milyen eszközök állnak rendelkezésre, mit jegyzett meg korábban, és milyen munkamódszert részesít előnyben.
Miért számít ez
A kulcsüzenet szerint a prompt engineering mint versenyelőny visszaszorul. Helyette a memória engineering — az a képesség, hogy a modell tartósan tárolt ismereteket és kontextust használjon — kerül előtérbe. Azok a rendszerek lesznek versenyképesek, amelyek stabil memóriát, eszközkontextust és elég intuíciót biztosítanak ahhoz, hogy a modell önállóan, kevesebb „babysittinggel” dolgozzon.
Következmények és további kérdések
- Fejlesztési fókuszváltás: a cégek és kutatócsoportok valószínűleg több erőforrást helyeznek a memóriaarchitektúrák, kitartó állapotok és eszközintegráció fejlesztésére.
- Használói élmény: a végfelhasználók számára kevesebb prompt-ozás és több „normál” beszélgetés lehet a jellemző, mivel a modell több előismeretre és permanens kontextusra támaszkodik.
- Adatkezelés és biztonság: a tartós memória használata felvet adatvédelmi és biztonsági kérdéseket, amelyekre technikai és jogi válaszokat kell adni.
Összegzés
A bemutatott példák — GPT‑5.5, Opus 4.6 és OpenClaw — azt jelzik, hogy az AI-szolgáltatásokban a teljesítmény mércéje egyre inkább az, mennyire képes egy rendszer tartós, kontextusgazdag memóriát és eszköztámogatást fenntartani, nem pedig az, hogy mennyire kifinomult egy-egy prompt. Ennek megfelelően a prompt engineering szerepe csökken, és a memória- valamint ügynökalapú megoldások veszik át a vezető szerepet.
