context-engineering

Context Engineering é um repositório educacional de código aberto que serve como um manual abrangente para compreender e praticar a engenharia de contexto — a disciplina de projetar, orquestrar e otimizar a carga completa de informações fornecida a grandes modelos de linguagem no momento da inferência. Inspirado na definição de Andrej Karpathy e na abordagem de primeiros princípios de Grant Sanderson (3Blue1Brown), o repositório vai além da engenharia de prompts para abordar o ecossistema mais amplo de exemplos, memória, recuperação, ferramentas, estado e fluxo de controle que cercam um único prompt. O repositório está estruturado como um caminho de aprendizagem progressivo organizado em vários diretórios: 1. **00_foundations/** — Teoria e conceitos centrais, abrangendo fundamentos matemáticos, componentes de contexto e modelos de processamento. Esta seção estabelece os alicerces teóricos da engenharia de contexto, incluindo otimização de orçamento de tokens, aprendizagem few-shot, sistemas de memória, aumento por recuperação, fluxo de controle, poda de contexto e avaliação de métricas. 2. **10_guides_zero_to_hero/** — Tutoriais práticos com código Python executável (estilo Jupyter Notebook) que demonstram conceitos desde prompts mínimos até sistemas avançados de gestão de contexto. 3. **20_templates/** — Modelos YAML e de configuração prontos a copiar e colar que podem ser integrados diretamente em projetos, incluindo configurações mínimas de contexto e modelos de prompt estruturados. 4. **30_examples/** — Implementações de projetos do mundo real que aumentam progressivamente em complexidade, começando com um chatbot simples e expandindo para sistemas multiagente com gestão de contexto. 5. **40_reference/** — Análises aprofundadas, livros de receitas de avaliação e materiais de referência para praticantes avançados. 6. **50_contrib/** — Contribuições e extensões da comunidade. O repositório baseia-se em pesquisas recentes da ICML, IBM Zurich, NeurIPS e outros eventos, incluindo: - **MEM1 (Singapura-MIT, junho de 2025)**: Demonstra como a consolidação de memória orientada por raciocínio permite agentes eficientes de longo horizonte, comprimindo interações em estados internos compactos em vez de acumular contexto infinito. - **Cognitive Tools (IBM Zurich, junho de 2025)**: Mostra que modelos de prompt estruturados como "chamadas de ferramentas" podem aumentar o desempenho do GPT-4.1 no AIME2024 de 26,7% para 43,3%, aproximando-se do desempenho do o1-preview sem treino adicional. - **Emergent Symbolic Mechanisms (ICML Princeton, junho de 2025)**: Identifica uma arquitetura de três estágios (cabeças de abstração simbólica, cabeças de indução simbólica, cabeças de recuperação) que sustenta o raciocínio abstrato em LLMs, explicando por que formatos estruturados como Markdown e JSON são mais analisáveis. - **Context Engineering Survey (julho de 2025)**: Uma revisão sistemática de mais de 1.400 artigos de pesquisa que define engenharia de contexto como a carga completa de informações fornecida a um LLM no momento da inferência. O repositório também inclui suporte para várias ferramentas de codificação com IA, incluindo Claude Code, OpenCode, Amp, Kiro, Codex e Gemini CLI, através de comandos de agente. Apresenta visualizações usando diagramas ASCII, gráficos Mermaid e representações simbólicas para ilustrar conceitos como a metáfora biológica (átomos → moléculas → células → órgãos → sistemas neurais → teoria de campos neurais e semânticos) e o quadro de maestria em quatro níveis (Engenharia de Contexto Básica → Teoria de Campos → Sistema de Protocolo → Meta-Recursão). Os conceitos-chave abordados incluem otimização de orçamento de tokens, aprendizagem few-shot, sistemas de memória, aumento por recuperação, fluxo de controle, poda de contexto, métricas e avaliação, ferramentas cognitivas e programação de prompts, teoria de campos neurais, mecanismos simbólicos e semântica quântica. O repositório enfatiza uma filosofia de "medir tudo, eliminar impiedosamente", onde cada conceito tem uma célula de código executável e uma visualização. O projeto está licenciado sob MIT e acolhe contribuições da comunidade. Também disponibiliza ligações para recursos suplementares, incluindo um curso abrangente em construção, uma integração DeepWiki, visualização DeepGraph e uma comunidade Discord para discussão.