Le context engineering en pratique : comment des métadonnées de frontmatter structurées issues des content collections Astro deviennent une source de contexte précise et budgétée pour un LLM – avec des exemples TypeScript plutôt qu'une recherche plein texte naïve.
La recherche vectorielle est le défaut du RAG – mais pour mon wiki personnel, un retrieval structuré sur métadonnées et texte intégral était le meilleur choix. Là où les embeddings échouent, avec des exemples SQL et de prompts.
Le context engineering comme concept : un wiki personnel et évolutif comme source de contexte locale pour les requêtes LLM – structuré plutôt qu’une recherche vectorielle naïve.
