context-engineering

Context Engineering es un repositorio educativo de código abierto que sirve como manual integral para comprender y practicar la ingeniería de contexto, la disciplina de diseñar, orquestar y optimizar la carga completa de información proporcionada a los grandes modelos de lenguaje en el momento de la inferencia. Inspirado en la definición de Andrej Karpathy y en el enfoque de primeros principios de Grant Sanderson (3Blue1Brown), el repositorio va más allá de la ingeniería de prompts para abordar el ecosistema más amplio de ejemplos, memoria, recuperación, herramientas, estado y flujo de control que rodean a un único prompt. El repositorio está estructurado como una ruta de aprendizaje progresiva organizada en varios directorios: 1. **00_foundations/** — Teoría y conceptos centrales que cubren fundamentos matemáticos, componentes del contexto y modelos de procesamiento. Esta sección establece las bases teóricas de la ingeniería de contexto, incluida la optimización del presupuesto de tokens, el aprendizaje few-shot, los sistemas de memoria, la aumentación mediante recuperación, el flujo de control, la poda de contexto y la evaluación de métricas. 2. **10_guides_zero_to_hero/** — Recorridos prácticos con código Python ejecutable (estilo Jupyter Notebook) que demuestran conceptos desde prompts mínimos hasta sistemas avanzados de gestión de contexto. 3. **20_templates/** — Plantillas YAML y de configuración listas para copiar y pegar que pueden integrarse directamente en proyectos, incluidas configuraciones mínimas de contexto y plantillas de prompts estructuradas. 4. **30_examples/** — Implementaciones de proyectos del mundo real que aumentan progresivamente en complejidad, comenzando con un chatbot de juguete y expandiéndose a sistemas multiagente con gestión de contexto. 5. **40_reference/** — Análisis profundos, recetarios de evaluación y materiales de referencia para practicantes avanzados. 6. **50_contrib/** — Contribuciones y extensiones de la comunidad. El repositorio se basa en investigaciones recientes de ICML, IBM Zurich, NeurIPS y otros foros, incluidas: - **MEM1 (Singapur-MIT, junio de 2025)**: Demuestra cómo la consolidación de memoria impulsada por razonamiento permite agentes eficientes de horizonte largo al comprimir interacciones en estados internos compactos en lugar de acumular contexto sin fin. - **Cognitive Tools (IBM Zurich, junio de 2025)**: Muestra que las plantillas de prompts estructuradas como "llamadas a herramientas" pueden aumentar el rendimiento de GPT-4.1 en AIME2024 del 26,7 % al 43,3 %, acercándose al rendimiento de o1-preview sin entrenamiento adicional. - **Emergent Symbolic Mechanisms (ICML Princeton, junio de 2025)**: Identifica una arquitectura de tres etapas (cabezas de abstracción de símbolos, cabezas de inducción simbólica, cabezas de recuperación) que sustenta el razonamiento abstracto en los LLM, explicando por qué formatos estructurados como Markdown y JSON son más analizables. - **Context Engineering Survey (julio de 2025)**: Una revisión sistemática de más de 1400 artículos de investigación que define la ingeniería de contexto como la carga completa de información proporcionada a un LLM en el momento de la inferencia. El repositorio también incluye soporte para múltiples herramientas de codificación con IA, como Claude Code, OpenCode, Amp, Kiro, Codex y Gemini CLI, mediante comandos de agente. Incluye visualizaciones con diagramas ASCII, gráficos Mermaid y representaciones simbólicas para ilustrar conceptos como la metáfora biológica (átomos → moléculas → células → órganos → sistemas neuronales → teoría de campos neuronales y semánticos) y el marco de maestría de cuatro niveles (ingeniería de contexto básica → teoría de campos → sistema de protocolos → metarrecursión). Los conceptos clave cubiertos incluyen optimización del presupuesto de tokens, aprendizaje few-shot, sistemas de memoria, aumentación mediante recuperación, flujo de control, poda de contexto, métricas y evaluación, herramientas cognitivas y programación de prompts, teoría de campos neuronales, mecanismos simbólicos y semántica cuántica. El repositorio enfatiza una filosofía de "medir todo, eliminar sin piedad" donde cada concepto tiene una celda de código ejecutable y una visualización. El proyecto está licenciado bajo MIT y da la bienvenida a contribuciones de la comunidad. También enlaza recursos complementarios, incluido un curso integral en construcción, una integración con DeepWiki, visualización con DeepGraph y una comunidad de Discord para discusión.