Rekayasa konteks sedang mengubah cara ilmuwan data berinteraksi dengan model bahasa besar, beralih fokus dari rekayasa prompt ke pengiriman konteks terstruktur. Anthropic baru-baru ini merilis panduan baru untuk model generasi Claude 5, menekankan bahwa kumpulan semua sumber yang digunakan LLMs untuk menjawab pertanyaan —bukan prompt yang terpisah— kini menjadi penggerak utama kinerja. Bagi ilmuwan data, ini berarti melampaui membuat string masukan yang sempurna dan sebaliknya, merancang seperangkat dokumen, berkas instruksi, dan pengaturan yang dapat dimanfaatkan oleh agen.

Sistem seperti Claude Code beroperasi secara agentic, menjalankan beberapa panggilan API untuk penalaran dan pengkodean, menjadikan konteks yang dirancang dengan baik penting untuk keluaran yang dapat diandalkan. Panduan ini menyediakan kerangka kerja untuk mengorganisir konteks ini secara efektif, memastikan agen memanfaatkan informasi yang disediakan secara optimal. Dengan mengadopsi aturan baru ini, ilmuwan data dapat meningkatkan produktivitas dan memastikan model mereka berfungsi sebagaimana diharapkan, menghindari frustasi dari bertanya-tanya mengapa model tidak berfungsi dengan benar akibat metode interaksi yang sudah usang.