Contextual Knowledge
یعنی اطلاعاتی که مدل همین الان داخل Context میبینه و مستقیم از روشون جواب میده، نه چیزایی که از قبل موقع Training یاد گرفته.
یعنی هر اطلاعاتی که همین الان جلوی چشم Agent قرار گرفته و میتونه مستقیم بخونتش.
مثلاً فایلهایی که براش آپلود کردی، داکیومنت یه کتابخونه، خروجی یه Tool، محتوای AGENTS.md یا حتی چیزایی که تو چت به ایجنت گفتی، اینا همشون میشن Contextual knowledge .
این دقیقاً برعکس Parametric knowledgeـه. اون یکی اطلاعاتیه که مدل از قبل موقع Training یاد گرفته و از حافظهش Recall میکنه. ولی Contextual knowledge رو اصلاً حفظ نکرده و همون لحظه از روی Context میخونه.
به خاطر همین، وقتی اطلاعات داخل Context باشه، احتمال Hallucination خیلی کمتر میشه. چون مدل لازم نیست چیزی رو حدس بزنه یا از حافظه قدیمیش بیرون بکشه و جواب همون جلوی چشمشه.
نکته مهم اینه که تنها چیزی که واقعاً دست خودته همین Contextual knowledge ـه. تو نمیتونی Parameters مدل رو تغییر بدی، ولی هر اطلاعات جدیدی که مدل نداره رو میتونی داخل Context بذاری و برای همین بخش بزرگی از AI Coding اینه که اطلاعات درست رو، دقیقاً همون لحظهای که مدل لازم داره، جلوش بذاری.
اگه یه زمانی Contextual knowledge با Parametric knowledge مدل اختلاف داشته باشن، معمولاً Context برنده میشه.
یه تفاوت دیگه هم اینه استفاده از Contextual knowledge هزینه داره و هر چیزی که وارد Context میکنی، بخشی از Context Window و توکن رو مصرف میکنه.
پس هدف این نیست که همهچی رو بریزی داخل Context بلکه هدف اینه که فقط اطلاعاتی که واقعاً به درد اون کار میخورن، در لحظه مناسب وارد کانتکست بشن.