هندسة السياق المكاني للذكاء الاصطناعي الواعي بالمكان

تختار ممارسة هندسة السياق المكاني المكان والوقت والمسار وحقائق الأعمال التي يمكن للنموذج استخدامها قبل أن يجيب. قد يطلب prompt أقرب محطة شحن. لكن الإجابة المفيدة ما زالت تحتاج إلى المسار والوقت، وإلى الحقائق التي اختار المضيف مشاركتها فقط. تحسب خدمة مكانية الجغرافيا، ثم يشرح النموذج تلك النتيجة.

ما هندسة السياق المكاني؟

تتناول مراجعة منشورة عام 2025 أكثر من 1,400 ورقة بحثية، وتعامل هندسة السياق على أنها تخصص يتجاوز تصميم التعليمات إلى التحسين المنهجي للمعلومات التي يتلقاها نموذج اللغة (Mei et al., 2025). وتقسم المراجعة هذا العمل إلى استرجاع السياق وتوليده، ومعالجة السياق، وإدارة السياق. وتطبق هندسة السياق المكاني الانضباط نفسه على المكان. ويجب أن تذكر الحمولة مكان الكيان، ومتى كانت الحقائق صحيحة، وأي مسار أو منطقة يهم، وأي سجلات أعمال يجوز للمتصل استخدامها.

المزيد من السياق ليس أفضل تلقائيا. وجد Liu وزملاؤه أن أداء نماذج اللغة يكون غالبا في أفضل حالاته عندما تقع المعلومات ذات الصلة في بداية المدخلات أو نهايتها، وأن الأداء يتراجع بوضوح عندما يتعين على النموذج استخدام معلومات تقع في منتصف سياق طويل (Liu et al., 2024). لذلك ينبغي أن تبقى الحزمة المكانية صغيرة: الأماكن المؤهلة، والمسافات المحسوبة أو نتائج الاحتواء، وحداثة تلك النتائج، والإجراءات التي يجوز للمتصل تنفيذها. وإرسال كل طبقة في عرض الخريطة الحالي لا يجتاز هذا الاختبار.

تستخدم أدلة الممارسين هذا المصطلح بالفعل. يسمي دليل المطورين من Vercel أربعة أنماط: الاسترجاع والذاكرة والضغط وسياق الأدوات (Vercel, 2026). يستخدم منتج الخرائط الأنماط الأربعة، ولا يحل أي منها محل حساب مكاني. يمكن للاسترجاع جلب مقطع من سياسة، وللذاكرة جلب تفضيل سابق، ويمكن للضغط إسقاط بقية الكتالوج. ويمكن لسياق الأدوات أن يحمل نتيجة مسار أو فحص احتواء، وينبغي للنموذج أن يشرح تلك النتيجة بدلا من اختلاق رقم بديل.

كيف يختلف prompt عن السياق؟

يطرح prompt السؤال. أما السياق فهو الأدلة التي يجري تجميعها قبل الإجابة. عبارة «اعثر على أقرب محطات شحن لمسار توصيل» هي تعليمة، وقد تنتج التعليمة وحدها قائمة عامة بمحطات الشحن تتجاهل المركبة والوقت والطرق المفتوحة فعلا. تقارن الصورة بين هذه الإجابة المحدودة وحزمة تحدد مكانا ووقتا ومسارا وحالة أعمال وأذونات وحالة خريطة.

يعرض الجانب الأيسر تعليمة قصيرة وإجابة عامة عن محطات شحن قريبة. ويضيف الجانب الأيمن المكان والوقت والمسار وحالة الأعمال والأذونات وحالة الخريطة قبل إجابة واعية بالموقع. معرّف المكان والطابع الزمني لشهر يونيو 2024 وشارة 5.2 كم ودبابيس الشواحن كلها تسميات نموذجية. والحزمة على اليمين رسم مرجعي وليست صيغة طلب في Kaleidr.

الإجابة المحدودة ليست خاطئة من ناحية اللغة، لكنها غير صالحة كعملية، لأن «قريب» بلا نقطة أصل، ولا حد أقصى للانحراف، ولا قاعدة تحدد أي الشواحن يجوز للأسطول استخدامها. كما يستخدم الجانب الأكثر ثراء في الصورة معرّفات نموذجية، لذلك ليست هذه القيم استعلاما حيا. وتحمل حزمة الإنتاج معرّفات المضيف نفسه وأرقام الخدمة المكانية نفسها.

لماذا يعد retrieval مصدرا واحدا فقط؟

يسحب retrieval مقاطع من المستندات والسياسات والأوصاف ومقالات المساعدة. يمكن لهذه المقاطع شرح قاعدة، لكنها لا تستطيع إخبار موظف الإرسال إن كانت محطة داخل منطقة خدمة، لأن اختبار المضلع حساب وليس فقرة. يحتفظ السياق المكاني بالنص المسترجع ويضيف حقائق منظمة، ونتيجة تفويض، وحالة الخريطة الحالية، والنتيجة المكانية.

يسترجع العمود الأيسر مستندات ونصوص سياسات وأوصافا ومعرفة على شكل مقاطع. ويضيف العمود الأيمن إلى هذا النص حقائق أعمال منظمة وتفويضا وحالة خريطة وحسابات مكانية. والنتيجة في الصورة حزمة قرار لإجابة واعية بالموقع. المسار المرسوم والدبوس رسومات نموذجية وليسا رحلة مقاسة.

الفريق الذي يتوقف عند النص المسترجع سيبدو مطلعا ومع ذلك قد يكون مخطئا بشأن الخريطة. قد يقول مقطع السياسة إن عمليات التسليم المتأخرة تحتاج إلى موقع به موظفون. لكن موجز الساعات وفحص الاحتواء وإذن المتصل وحدها يمكنها تحديد ما إذا كان هذا الموقع مؤهلا الآن. وحزمة القرار في الصورة هي المكان الذي تلتقي فيه هذه الأجزاء.

لماذا يجب أن تتغلب الأدلة الحالية على الذاكرة القديمة؟

الذاكرة مفيدة لتفضيل لا تنتهي صلاحيته، مثل مستودع محفوظ أو لغة. لكنها مصدر سيئ لحركة المرور أو الإغلاقات أو المخزون أو لمعرفة من يجوز له رؤية موقع خاص اليوم. وقد يتعارض «أفضل توقف» محفوظ من الأسبوع الماضي مع المسار الذي أعادته الخدمة المكانية للتو. وعند التعارض، يجب أن يفوز الحساب الحالي والتفويض الحالي، وتظل الذاكرة موسومة كتفضيل لا كحقيقة.

تنطبق القاعدة نفسها على ملخص كتب في وقت سابق من الجلسة. فقد يسقط الملخص المضغوط إغلاقا أو إذنا تم سحبه. ينبغي للدور التالي إعادة قراءة الحقول المتغيرة، أو أن يرفض المتصل التصرف بناء على ملخص بلا طابع زمني. الحداثة تنتمي إلى الحزمة كبيان، لا كتمنٍّ بأن الإجابة السابقة ما زالت صحيحة.

لماذا تأتي هوية المكان قبل البحث؟

قد يشترك سجلان في الاسم ومع ذلك يمثلان مكانين مختلفين. والبحث عن «متجر وسط المدينة» ليس معرّفا. يجب أن تحمل الحزمة معرّف مكان ثابتا من نظام المضيف نفسه، إلى جانب الإحداثيات أو الهندسة التي ستستخدمها الخدمة المكانية، وأن يبقى اسم العرض تسمية لا مفتاحا. ومن دون هذا المعرّف، لا يستطيع دور لاحق التمييز بين متجر أعيدت تسميته ومتجر ثان، كما لا يمكن للاستشهاد أن يشير إلى السجل الذي كان مؤهلا فعلا.

أي هندسة يجب أن تحملها الحزمة؟

يجب أن تطابق الهندسة السؤال. سؤال أقرب شاحن يحتاج إلى نقاط ومسار. وسؤال منطقة الخدمة يحتاج إلى مضلع ونتيجة احتواء. وسؤال الممر يحتاج إلى خط ومسافة من ذلك الخط. يعرّف GeoJSON كائن geometry، وPoint أحد أنواع الهندسة في هذا التنسيق، لذلك يمكن للحزمة تسمية النوع بدلا من إخفاء الشكل في النثر (IETF, 2016). إرسال نقطة عندما يعتمد القرار على مضلع يجعل الشرح اللاحق يبدو دقيقا رغم أن الاختبار لم ينفذ قط.

لماذا لا يعد viewport إذنا؟

قد يظهر مكان داخل الكاميرا ومع ذلك يكون محظورا. تضع الصورة ثلاثة مواقع نموذجية في عرض واحد: متجرين عامين يجوز للمتصل استخدامهما، ومنشأة خاصة تبقى خارج السياق رغم أن دبوسها ظاهر. الرؤية مؤشر إلى ما ينظر إليه المستخدم. أما التفويض فهو فحص منفصل لما يجوز أن يتضمنه الطلب.

المربع المتقطع هو عرض الخريطة الحالي، وتوجد داخله ثلاثة أماكن نموذجية. Public Store A وPublic Store B موسومان بأنهما مصرح بهما. وتبقى Private Facility C خارج سياق النموذج رغم ظهور الدبوس على الشاشة. يوفر viewport سياق الموقع، ويحدد فحص أذونات منفصل ما الذي يجوز استخدامه.

ينطبق الفصل نفسه على خريطة المضيف. تقول وثائق Kaleidr للمطورين إن Chat يضيف علاماته الخاصة ويحرك الكاميرا ويرسم المسارات، وإن Chat لا يغير طبقات الصفحة أو مصادرها أو علاماتها ولا يرسل هذه الكائنات إلى Kaleidr (Kaleidr, 2026). ظهور دبوس على الشاشة ليس تفويضا. يقرر المضيف أي الحقائق تعبر الحد، وينبغي للحزمة تسجيل هذا القرار بدلا من افتراض أن الكاميرا اتخذته بالفعل.

ما الذي يجب أن تحسبه الخدمة المكانية أولا؟

ضع الأرقام في خدمة مكانية، ثم اطلب من النموذج شرحها. تعرض الصورة انحرافا عن المسار، ونتيجة داخل منطقة الخدمة، ووقت سفر يغذي شرحا لسبب ملاءمة متجر واحد. ويرفض مربع منفصل وقت سفر مخمنا. النموذج مصدر ضعيف للمسافة أو اختبار الاحتواء أو تقدير الوصول، لأن هذه القيم تأتي من شبكة الطرق والمضلع والوقت.

تبلغ خدمة مكانية عن انحراف مدته ست دقائق، وفحص صحيح داخل منطقة الخدمة، ووقت سفر مدته أربع عشرة دقيقة. ثم يوضح الشرح لماذا Store 104 في الصورة هو التوقف المختار. ويعرض المربع المرفوض نموذجا لغويا يخترع وقت سفر بدلا من استخدام نتيجة الخدمة. الدقائق وأرقام المتاجر والتخمين المقتبس كلها تسميات نموذجية في الرسم.

ومع ذلك يمكن أن يكون الشرح مفيدا. بعد أن تعيد الخدمة التوقف المؤهل، يمكن للنموذج أن يذكر بلغة المتصل أي حقيقة محسوبة جعلت ذلك التوقف مناسبا. ينبغي للشرح أن يقتبس نتيجة الخدمة بدلا من استبدالها. أرقام المتاجر وشارات الدقائق في الصورة تسميات وليست benchmark من Kaleidr.

ما الذي يجعل حزمة السياق صغيرة بما يكفي؟

يجب أن تكون الحزمة صغيرة بما يكفي للقراءة، وكاملة بما يكفي بحيث لا يعتمد القرار على جدول مخفي. تبدأ الصورة من أنظمة خام تشمل قاعدة بيانات للمتاجر والمخزون والساعات وrouting والأذونات، وتنتهي بكائن قصير: مهمة، وعدد قليل من المرشحين، والأهلية، وانحراف عن المسار، وطابع زمني للحداثة، والإجراءات المسموح بها. وكل ما لم يؤثر في الأهلية يمكن أن يبقى في نظام المصدر.

تدخل سجلات خام من قاعدة بيانات المتاجر والمخزون والساعات وrouting والأذونات إلى منشئ سياق. ويخرج المنشئ حزمة قصيرة تحتوي على مهمة وعدد قليل من المتاجر المرشحة وإشارات أهلية وانحراف عن المسار وطابع زمني وإجراءات مسموح بها. والهدف أن تكون الحزمة صغيرة بما يكفي للفحص وكاملة بما يكفي لقرار واحد. معرّفات المتاجر والمسافات والطابع الزمني لشهر يونيو 2024 كلها تسميات نموذجية، وJSON رسم مرجعي لا Kaleidr API.

نتيجة السياق الطويل هذه هي سبب الحذف. يمكن أن يبدأ استرجاع المرشحين على نطاق واسع ثم يضيق: تسقط الأماكن غير المؤهلة قبل أن يراها النموذج، وتحتفظ الحزمة بالسبب، مثل ساعة إغلاق أو فشل فحص الاحتواء. طلب الدردشة العام في Kaleidr عقد أضيق من هذا الرسم، ويوضح القسم التالي ما يحمله ذلك الطلب فعلا. لا ينبغي للفرق تنفيذ POST لـ JSON الظاهر في الصورة كما لو كانت المنصة قد وثقت هذا الكائن.

ماذا يحتوي pipeline مرجعي؟

يسمي pipeline عملي المرحلة المالكة لكل خطر. حلل المهمة، وحدد المتصل، وافحص التفويض، واضبط النطاق الجغرافي، واسترجع المرشحين، وأرفق حالة الأعمال، ونفذ الحساب المكاني، وطبق الأهلية، وجمّع الحزمة، وأرسلها إلى النموذج، ونفذ إجراء الخريطة، وأعد التحقق من الحقول المتقلبة، وسجل ما حدث. وتضيف الصورة أربعة ضوابط في الأعلى: المصدر، وقاعدة الحداثة، والسياسة، وtrace id.

يمتد الشريط من تحليل المهمة عبر الهوية والتفويض والنطاق الجغرافي واسترجاع المرشحين وحالة الأعمال والحساب المكاني والأهلية وحزمة السياق والنموذج وإجراء الخريطة وإعادة التحقق والملاحظة. ويجلس المصدر والحداثة والسياسة وtrace id فوق الشريط كضوابط على كل مرحلة. المخطط pipeline مرجعي لفريق يصمم منشئ السياق الخاص به. والمسار المرسوم تحته عمل فني نموذجي.

الترتيب أداة تصميم وليس تسلسلا لمنتج Kaleidr. قد تدمج بعض الفرق استرجاع المرشحين مع الحساب المكاني. والمراحل التي ينبغي أن تبقى ظاهرة هي التفويض والحساب والأهلية وإعادة التحقق مباشرة قبل إجراء مثل تعيين توقف. Spatial AI المرتكز على بيانات الأعمال هو دليل Kaleidr المرتبط بالتفويض وretrieval وranking.

أين ترسم Kaleidr حد السياق؟

على خريطة المضيف يكون الحد صريحا. يغطي دليل الخرائط المدعومة إرفاق Kaleidr Chat بـ Mapbox GL JS وMapLibre GL JS وGoogle Maps وLeaflet، من بين مكتبات أخرى، ويبقى مفتاح Google Maps بين الصفحة وGoogle لأن Kaleidr لا تتلقى ذلك المفتاح (Kaleidr, 2026). الدبابيس والانتقال إلى مكان وخط المسار رسومات يضيفها اللوح. وهذه الرسومات ليست نسخة من جداول المضيف الخاصة.

يحتفظ تطبيق المضيف بالمستخدمين والبيانات الخاصة والمخزون والسياسات والطبقات المخصصة وإجراءات الأعمال. ولا يعبر الحد في الصورة سوى شريحة صريحة، مثل موقع مصرح به وzoom الخريطة والجلسة وحقائق معتمدة. وعلى اليمين يحل Kaleidr Chat الأماكن ويخطط المسارات وينفذ إجراءات الخريطة من هذه الشريحة المشتركة. التذييل تسمية للصورة، وأسماء المتاجر والمركبات أمثلة، ولا يؤدي إرفاق Chat بحد ذاته إلى إرسال طبقات المضيف أو أنظمة أعماله.

توثق Platform API حدا مماثلا على طلب الدردشة. يحمل messages المحادثة، وكائن location هو مركز الخريطة المستخدم لتفسير «بالقرب من هنا»، وmap_zoom هو مستوى التكبير، وlang لغة الرد. وتقول الصفحة نفسها إنه لا يوجد حقل لتعليمات النظام أو persona أو الأدوات أو سياق المتصل نفسه، وإن الحقول غير المعروفة تقبل ثم تتجاهل. ويقبل app_snapshot وauto_actions ولا حاجة إليهما، لذلك تقول الصفحة بتركهما خارج الطلب (Kaleidr, 2026).

البيانات التجارية المرفوعة مسار منفصل عن ذلك الطلب. رفع بيانات الأعمال الخاصة بالمؤسسة للحصول على إجابات AI هو Enterprise فقط، وكذلك الإجابات المدعومة بمفتاح التي تعتمد على تلك البيانات المرفوعة، كما تنص How Kaleidr works. وتغطي صفحة مرافقة، كيفية بناء مساعد AI واع بالخريطة، المساعد الذي يبنيه الفريق حول الحد نفسه.

كيف يمكن العثور على الصفحة نفسها والاستشهاد بها؟

يجب أن تكون الصفحة التي تشرح هذه الممارسة سهلة الاقتباس. تقسم الصورة هذا العمل بين البحث العادي ومحركات الإجابة والاستشهاد التوليدي. يريد البحث العبارة المعيارية، ومجموعة من الأساليب المرتبطة، وروابط إلى الأدلة الداعمة. وتريد محركات الإجابة تعريفا مباشرا، وعددا من الأسئلة المحددة، ومقارنة مثل retrieval مقابل حزمة مكانية.

في مركز الصورة هندسة السياق المكاني، ويحيط بها البحث ومحركات الإجابة والاستشهاد التوليدي كثلاث واجهات. يغطي البحث كلمة مفتاحية معيارية ومجموعة موضوعية وروابط داخلية. وتريد محركات الإجابة تعريفات مباشرة وأسئلة متكررة ومقارنات. ويريد الاستشهاد التوليدي إطارا أصليا وschema موصوفا وقائمة إخفاقات ومصادر مستشهد بها، ولا يمثل أي من هذه المربعات وعدا بالترتيب.

المربعات في هذه الصورة قائمة تحقق للكتابة وليست ضمانا للزيارات. لا ترتب Kaleidr الصفحة، ولا تعرض الصورة قياسا. ما يمكن للصفحة فعله هو تثبيت التعريف في موضع واحد، وإظهار الحزمة كرسم مرجعي لا كـ wire format، والاستشهاد بالمعايير والوثائق التي تعتمد عليها الادعاءات. عندها يستطيع القارئ معرفة أي جملة تعريف وأي جملة حد للمنتج.

ماذا ينبغي للفريق أن يفعل بعد ذلك؟

اكتب الحزمة لمهمة حقيقية واحدة قبل تغيير prompt. ضمّن معرّف المكان والوقت ونوع الهندسة والنتيجة المكانية والإذن الذي سمح بكل حقيقة. ثم قارن هذه القائمة بطلب الدردشة الذي يستطيع المضيف إرساله اليوم: المحادثة ومركز الخريطة وzoom واللغة، من دون حقل لسياق المضيف الخاص. وعندما يجب أن تعتمد الإجابات على بيانات أعمال مرفوعة، ابدأ بـ Kaleidr Enterprise.

ملاحظة: تستخدم Kaleidr أدوات مدعومة بالذكاء الاصطناعي لإنشاء الصور وتحسين المحتوى والبحث ضمن سير العمل الإبداعي والتطويري.

الأسئلة الشائعة

هل هندسة السياق المكاني هي نفسها prompt engineering؟

لا. تغير prompt engineering صياغة التعليمة. أما هندسة السياق المكاني فتغير الأدلة التي يمكن للتعليمة استخدامها، بما في ذلك المكان والوقت والمسار أو المنطقة وحقائق الأعمال التي يجوز للمتصل رؤيتها. لا تستطيع جملة أفضل توفير نتيجة احتواء لم تحسبها الخدمة المكانية أصلا.

هل يؤدي إرفاق Kaleidr Chat إلى قراءة طبقات خريطة المضيف؟

لا. في الصفحة التي يعمل فيها Chat داخل مستند المضيف، يضيف Chat علاماته الخاصة ويحرك الكاميرا ويرسم المسارات. لا يغير Chat طبقات الصفحة أو مصادرها أو علاماتها، ولا يرسل هذه الكائنات إلى Kaleidr. تبقى الجداول الخاصة على جانب المضيف من الحد ما لم يغطي مسار Enterprise منفصل بيانات أعمال مرفوعة.

هل يمكن لطلب الدردشة العام حمل حزمة سياق مخصصة؟

يحمل الطلب الموثق المحادثة وموقعا لمركز الخريطة وzoom اختياريا ولغة. ولا يوجد حقل لتعليمات النظام أو persona أو الأدوات أو سياق المتصل نفسه. ويقبل app_snapshot وauto_actions ولا حاجة إليهما، لذلك لا ينبغي للفريق معاملتهما على أنهما الحزمة المرسومة في هذا الدليل. الحقول غير المعروفة تقبل ثم تتجاهل.

لماذا ينبغي إبقاء وقت السفر في خدمة مكانية؟

يعتمد وقت السفر على شبكة الطرق والوقت، وقد تتناقض قيمة دقائق مخمنة مع المسار الذي حسبته الخدمة للتو. يعرض المربع المرفوض في صورة الحساب هذا النمط من الفشل باستخدام اقتباس نموذجي لا نتيجة حية. أبق الرقم في الخدمة المكانية ودع النموذج يشرحه.

References

1. Mei, L., et al. A Survey of Context Engineering for Large Language Models. A review of more than 1,400 papers that treats context engineering as more than prompt design and splits it into retrieval and generation, processing, and management. arXiv:2507.13334. 2025. https://arxiv.org/abs/2507.13334
2. Liu, N. F., et al. Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, 12, 157–173. Performance is often highest when relevant information is at the start or end of the input and degrades significantly in the middle of long contexts. 2024. https://doi.org/10.1162/tacl_a_00638
3. Vercel. What is context engineering? A developer's guide. A practitioner guide naming four patterns: retrieval, memory, compression, and tool context. Accessed October 22, 2026. https://vercel.com/i/context-engineering
4. IETF. RFC 7946: The GeoJSON Format. GeoJSON defines a geometry object, and a Point is one of the geometry types. 2016. https://www.rfc-editor.org/info/rfc7946
5. Kaleidr Developer Docs. How Kaleidr works. Chat adds its own markers, moves the camera, and draws routes, and does not change the page's layers, sources, or markers or send them to Kaleidr. Uploaded business data for AI answers, and key-backed answers that draw on that data, are Enterprise only. Accessed October 22, 2026. https://docs.kaleidr.com/concepts/how-kaleidr-works
6. Kaleidr. Grounded Spatial AI for Business Data. A related guide covering authorization, retrieval, ranking, evaluation, and a narrow pilot. Accessed October 22, 2026. https://kaleidr.com/blog/grounded-spatial-ai-business-data
7. Kaleidr Developer Docs. Supported maps. Attach targets include Mapbox GL JS, MapLibre GL JS, Google Maps, and Leaflet. A Google Maps key stays between the page and Google; Kaleidr does not receive it. Accessed October 22, 2026. https://docs.kaleidr.com/chat/supported-maps
8. Kaleidr Developer Docs. Platform API endpoints. The chat request carries the conversation, a map-center location, optional zoom, and a language. There is no field for system instructions, a persona, tools, or the caller's own context. app_snapshot and auto_actions are accepted and not needed. Accessed October 22, 2026. https://docs.kaleidr.com/platform-api/endpoints
9. Kaleidr. Map-Aware AI Assistant: How to Build One. A companion guide for building the assistant around a map. Accessed October 22, 2026. https://kaleidr.com/blog/how-to-build-a-map-aware-ai-assistant
10. Kaleidr. Kaleidr Enterprise. The enterprise page for spatial AI integrated with a customer's own data. Accessed October 22, 2026. https://kaleidr.com/enterprise

References in BibTeX

@misc{mei_context_engineering_survey_2025,
  title         = {A Survey of Context Engineering for Large Language Models},
  author        = {Mei, Lingrui and others},
  year          = {2025},
  eprint        = {2507.13334},
  archivePrefix = {arXiv},
  url           = {https://arxiv.org/abs/2507.13334}
}

@article{liu_lost_in_the_middle_2024,
  title   = {Lost in the Middle: How Language Models Use Long Contexts},
  author  = {Liu, Nelson F. and Lin, Kevin and Hewitt, John and Paranjape, Ashwin and Bevilacqua, Michele and Petroni, Fabio and Liang, Percy},
  journal = {Transactions of the Association for Computational Linguistics},
  volume  = {12},
  pages   = {157--173},
  year    = {2024},
  doi     = {10.1162/tacl_a_00638}
}

@misc{vercel_context_engineering_2026,
  title  = {What is context engineering? A developer's guide},
  author = {{Vercel}},
  year   = {2026},
  url    = {https://vercel.com/i/context-engineering}
}

@misc{ietf_rfc7946_2016,
  title  = {RFC 7946: The GeoJSON Format},
  author = {{IETF}},
  year   = {2016},
  url    = {https://www.rfc-editor.org/info/rfc7946}
}

@misc{kaleidr_how_it_works_2026,
  title  = {How Kaleidr works},
  author = {{Kaleidr Developer Docs}},
  year   = {2026},
  url    = {https://docs.kaleidr.com/concepts/how-kaleidr-works}
}

@misc{kaleidr_grounded_spatial_ai_2026,
  title  = {Grounded Spatial AI for Business Data},
  author = {{Kaleidr}},
  year   = {2026},
  url    = {https://kaleidr.com/blog/grounded-spatial-ai-business-data}
}

@misc{kaleidr_supported_maps_2026,
  title  = {Supported maps},
  author = {{Kaleidr Developer Docs}},
  year   = {2026},
  url    = {https://docs.kaleidr.com/chat/supported-maps}
}

@misc{kaleidr_platform_api_endpoints_2026,
  title  = {Platform API endpoints},
  author = {{Kaleidr Developer Docs}},
  year   = {2026},
  url    = {https://docs.kaleidr.com/platform-api/endpoints}
}

@misc{kaleidr_map_aware_assistant_2026,
  title  = {Map-Aware AI Assistant: How to Build One},
  author = {{Kaleidr}},
  year   = {2026},
  url    = {https://kaleidr.com/blog/how-to-build-a-map-aware-ai-assistant}
}

@misc{kaleidr_enterprise_2026,
  title  = {Kaleidr Enterprise},
  author = {{Kaleidr}},
  year   = {2026},
  url    = {https://kaleidr.com/enterprise}
}