Об этом проекте

Context Engineering — это открытый образовательный репозиторий, служащий комплексным руководством по контекстной инженерии — дисциплине, занимающейся проектированием, оркестрацией и оптимизацией полного информационного наполнения, передаваемого большим языковым моделям на этапе инференса. Вдохновленный определением Андрея Карпати и подходом «от первых принципов» Гранта Сандерсона (3Blue1Brown), репозиторий выходит за рамки промпт-инжиниринга, охватывая более широкую экосистему примеров, памяти, поиска, инструментов, состояния и потока управления, окружающих отдельный промпт. Структура репозитория представляет собой последовательный путь обучения, организованный в несколько каталогов: 1. **00_foundations/** — Теория и основные концепции: математические основы, компоненты контекста и модели обработки. Этот раздел закладывает теоретический фундамент контекстной инженерии, включая оптимизацию токен-бюджета, few-shot обучение, системы памяти, retrieval-аугментацию, поток управления, сокращение контекста и оценку метрик. 2. **10_guides_zero_to_hero/** — Практические руководства с исполняемым кодом на Python (в стиле Jupyter Notebook), демонстрирующие концепции от минимальных промптов до продвинутых систем управления контекстом. 3. **20_templates/** — Готовые YAML-шаблоны и конфигурации для копирования, которые можно напрямую интегрировать в проекты, включая минимальные конфигурации контекста и структурированные шаблоны промптов. 4. **30_examples/** — Примеры реальных проектов с постепенным усложнением: от игрушечного чат-бота до мультиагентных систем с управлением контекстом. 5. **40_reference/** — Углубленные материалы, кулинарные книги по оценке и справочные ресурсы для продвинутых практиков. 6. **50_contrib/** — Вклад сообщества и расширения. Репозиторий опирается на недавние исследования с ICML, IBM Zurich, NeurIPS и других площадок, включая: - **MEM1 (Singapore-MIT, июнь 2025)**: демонстрирует, как консолидация памяти на основе рассуждений позволяет создавать эффективных агентов для длительных горизонтов, сжимая взаимодействия в компактные внутренние состояния вместо накопления бесконечного контекста. - **Cognitive Tools (IBM Zurich, июнь 2025)**: показывает, что структурированные шаблоны промптов как «вызовы инструментов» могут повысить производительность GPT-4.1 на AIME2024 с 26.7% до 43.3%, приближаясь к результатам o1-preview без дополнительного обучения. - **Emergent Symbolic Mechanisms (ICML Princeton, июнь 2025)**: выявляет трехстадийную архитектуру (головы абстракции символов, головы символической индукции, головы поиска), поддерживающую абстрактное рассуждение в LLM, что объясняет, почему структурированные форматы вроде Markdown и JSON легче парсятся. - **Context Engineering Survey (июль 2025)**: систематический обзор более 1400 исследовательских работ, определяющий контекстную инженерию как полное информационное наполнение, передаваемое LLM на этапе инференса. Репозиторий также поддерживает несколько инструментов ИИ-кодинга, включая Claude Code, OpenCode, Amp, Kiro, Codex и Gemini CLI, через агентские команды. Визуализации выполнены с помощью ASCII-диаграмм, Mermaid-графов и символических представлений для иллюстрации таких концепций, как биологическая метафора (атомы → молекулы → клетки → органы → нейронные системы → теория нейронных и семантических полей) и четырехуровневая система мастерства (базовая контекстная инженерия → теория полей → система протоколов → мета-рекурсия). Ключевые концепции включают оптимизацию токен-бюджета, few-shot обучение, системы памяти, retrieval-аугментацию, поток управления, сокращение контекста, метрики и оценку, когнитивные инструменты и промпт-программирование, теорию нейронных полей, символические механизмы и квантовую семантику. Репозиторий подчеркивает философию «измеряй всё, безжалостно удаляй», где каждая концепция сопровождается исполняемой ячейкой кода и визуализацией. Проект распространяется под лицензией MIT и приветствует вклад сообщества. Также приводятся ссылки на дополнительные ресурсы: комплексный курс (в разработке), интеграцию DeepWiki, визуализацию DeepGraph и Discord-сообщество для обсуждений.