davidkimai/Context-Engineering

Engenharia de Contexto

"A engenharia de contexto é a arte e ciência delicada de preencher a janela de contexto com as informações certas para o próximo passo." — Andrej Karpathy

Palestra "O Software Está Mudando (De Novo)" @YC AI Startup School

DeepGraph

Converse com o NotebookLM + Podcast Aprofundado

Curso Abrangente em Construção

Pesquisa-Revisão de Engenharia de Contexto de 1400 Artigos Científicos

Repositório Awesome Context Engineering

Operacionalizando a Pesquisa Mais Recente sobre Contexto com Primeiros Princípios e Visuais — Julho de 2025 do ICML, IBM, NeurIPS, OHBM e mais

"Fornecer ‘ferramentas cognitivas’ ao GPT-4.1 aumenta seu desempenho pass@1 no AIME2024 de 26,7% para 43,3%, aproximando-o muito do desempenho do o1-preview." — IBM Zurich

Comandos do Agente

Suporte para Claude Code | OpenCode | Amp | Kiro | Codex | Gemini CLI

Pesquisa-Revisão de Engenharia de Contexto de 1400 Artigos Científicos | Rotação de Contexto | IBM Zurich | Semântica Quântica | Simbólica Emergente ICML Princeton | MEM1 Singapore-MIT | Atractores de LLM Shanghai AI | MemOS Shanghai | Raciocínio Latente | Profundidades Recursivas Dinâmicas

Um manual de ponta, baseado em primeiros princípios, para ir além da engenharia de prompt em direção à disciplina mais ampla de design, orquestração e otimização de contexto.

                    Engenharia de Prompt  │  Engenharia de Contexto
                       ↓                │            ↓                      
               "O que você diz"           │  "Tudo o mais que o modelo vê"
             (Instrução única)            │    (Exemplos, memória, recuperação,
                                        │     ferramentas, estado, fluxo de controle)

Definição de Engenharia de Contexto

Contexto não é apenas o prompt único que os usuários enviam para um LLM. Contexto é a carga completa de informações fornecida a um LLM no momento da inferência, abrangendo todos os componentes informacionais estruturados que o modelo precisa para realizar plausivelmente uma determinada tarefa.

— Definição de Engenharia de Contexto de uma Análise Sistemática de Mais de 1400 Artigos de Pesquisa

╭─────────────────────────────────────────────────────────────╮
│           CURSO DE MAESTRIA EM ENGENHARIA DE CONTEXTO       │
│                    Do Zero à Fronteira                       │
╰─────────────────────────────────────────────────────────────╯
                          ▲
                          │
                 Fundamentos Matemáticos
                  C = A(c₁, c₂, ..., cₙ)
                          │
                          ▼
┌─────────────┬──────────────┬──────────────┬─────────────────┐
│ FUNDAMENTOS │ IMPL. SISTEMA │ INTEGRAÇÃO   │ FRONTEIRA       │
│ (Semanas 1-4)│ (Semanas 5-8)│ (Semanas 9-10)│ (Semanas 11-12) │
└─────┬───────┴──────┬───────┴──────┬───────┴─────────┬───────┘
      │              │              │                 │
      ▼              ▼              ▼                 ▼
┌─────────────┐ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐
│ Modelos Mat.│ │ Sistemas RAG │ │ Multi-Agente │ │ Meta-Recurs  │
│ Componentes │ │ Arq. Memória │ │ Orquestração │ │ Sem. Quântica│
│ Processamen.│ │ Integr. Ferr.│ │ Teoria Camp. │ │ Auto-Melhoria│
│ Gestão      │ │ Sist. Agentes│ │ Avaliação    │ │ Colaboração  │
└─────────────┘ └──────────────┘ └──────────────┘ └──────────────┘

Por Que Este Repositório Existe

"O significado não é uma propriedade intrínseca e estática de uma expressão semântica, mas sim um fenômeno emergente" — Agostino et al. — Julho de 2025, Indiana University

A engenharia de prompt recebeu toda a atenção, mas agora podemos nos animar com o que vem a seguir. Depois de dominar os prompts, o verdadeiro poder vem de projetar toda a janela de contexto que envolve esses prompts. Orientação do pensamento, por assim dizer.

Este repositório fornece uma abordagem progressiva e baseada em primeiros princípios para a engenharia de contexto, construída em torno de uma metáfora biológica:

átomos → moléculas → células → órgãos → sistemas neurais → teoria de campo neural e semântico
  │        │         │         │             │                         │        
prompt    poucos   memória +   multi-     ferramentas       contexto = campos +
único     exemplos  agentes    agentes    cognitivas +     persistência e ressonância
                                        sistemas operacionais

"A abstração é o custo da generalização"— Grant Sanderson (3Blue1Brown)

Um Levantamento da Engenharia de Contexto - Julho de 2025

Sobre Emergência, Atractores e Teoria de Sistemas Dinâmicos | DST da Columbia

https://github.com/user-attachments/assets/9f046259-e5ec-4160-8ed0-41a608d8adf3

graph TD
    classDef basic fill:#e1f5fe,stroke:#01579b,stroke-width:2px,color:#01579b
    classDef intermediate fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px,color:#2e7d32
    classDef advanced fill:#fff3e0,stroke:#e65100,stroke-width:2px,color:#e65100
    classDef meta fill:#f3e5f5,stroke:#6a1b9a,stroke-width:2px,color:#6a1b9a
    
    subgraph Basic["Nível 1: Engenharia de Contexto Básica"]
        A[Átomos]
        B[Moléculas]
        C[Células]
        D[Órgãos]
    end
    
    subgraph Field["Nível 2: Teoria de Campo"]
        E[Sistemas Neurais]
        F[Campos Neurais]
    end
    
    subgraph Protocol["Nível 3: Sistema de Protocolo"]
        G[Cascas de Protocolo]
        H[Sistema Unificado]
    end
    
    subgraph Meta["Nível 4: Meta-Recursão"]
        I[Estrutura Meta-Recursiva]
    end
    
    %% Conexões
    A --> B
    B --> C
    C --> D
    D --> E
    E --> F
    F --> G
    G --> H
    H --> I
    
    %% Descrições para cada nível
    A1["Instruções únicas<br>Restrições simples<br>Prompts básicos"] --> A
    B1["Pares de exemplo<br>Padrões few-shot<br>Conjuntos de demonstração"] --> B
    C1["Memória persistente<br>Gerenciamento de estado<br>Janela de contexto"] --> C
    D1["Fluxos multi-etapa<br>Especialistas<br>Orquestração de sistema"] --> D
    E1["Estruturas de raciocínio<br>Ferramentas de verificação<br>Padrões cognitivos"] --> E
    F1["Significado contínuo<br>Atractores e ressonância<br>Resíduo simbólico"] --> F
    G1["Templates estruturados<br>Operações de campo<br>Protocolos de emergência"] --> G
    H1["Integração de protocolo<br>Emergência em nível de sistema<br>Automanutenção"] --> H
    I1["Autorreflexão<br>Melhoria recursiva<br>Evolução interpretável"] --> I
    
    %% Paralelos do mundo real
    A2["Como: Engenharia de<br>prompt básica"] -.-> A
    B2["Como: Aprendizado<br>few-shot"] -.-> B
    C2["Como: Chatbots<br>conversacionais"] -.-> C
    D2["Como: Sistemas<br>multi-agente"] -.-> D
    E2["Como: ReAct<br>Cadeia de Pensamento"] -.-> E
    F2["Como: Teoria de<br>campo semântico"] -.-> F
    G2["Como: Orquestração<br>de protocolo"] -.-> G
    H2["Como: Sistemas<br>auto-organizados"] -.-> H
    I2["Como: Inteligência<br>auto-melhorável"] -.-> I
    
    %% Aplicar classes
    class A,B,C,D,A1,A2,B1,B2,C1,C2,D1,D2 basic
    class E,F,E1,E2,F1,F2 intermediate
    class G,H,G1,G2,H1,H2 advanced
    class I,I1,I2 meta

Início Rápido

1. Leia 00_foundations/01_atoms_prompting.md (5 min)
   Entenda por que prompts sozinhos muitas vezes têm desempenho inferior

2. Execute 10_guides_zero_to_hero/01_min_prompt.py (estilo Jupyter Notebook) Experimente com um exemplo mínimo funcional

3. Explore 20_templates/minimal_context.yaml
   Copie/cole um template em seu próprio projeto

4. Estude 30_examples/00_toy_chatbot/
   Veja uma implementação completa com gerenciamento de contexto

Caminho de Aprendizado

┌─────────────────┐     ┌──────────────────┐     ┌────────────────┐
│ 00_foundations/ │     │ 10_guides_zero_  │     │ 20_templates/  │
│                 │────▶│ to_one/          │────▶│                │
│ Teoria e        │     │ Tutoriais        │     │ Snippets para  │
│ conceitos       │     │ práticos         │     │ copiar e colar │
│ fundamentais    │     │                  │     │                │
└─────────────────┘     └──────────────────┘     └────────────────┘
         │                                                │
         │                                                │
         ▼                                                ▼
┌─────────────────┐                             ┌────────────────┐
│ 40_reference/   │◀───────────────────────────▶│ 30_examples/   │
│                 │                             │                │
│ Aprofundamentos │                             │ Projetos reais,│
│ e livro de     │                             │ progressiva-   │
│ receitas de    │                             │ mente complexos│
│ avaliação      │                             │                │
└─────────────────┘                             └────────────────┘
         ▲                                      
         │                                      
         └────────────────────┐               ┌───────────┘
                              ▼               ▼
                         ┌─────────────────────┐
                         │ 50_contrib/         │
                         │                     │
                         │ Contribuições       │
                         │ da comunidade       │
                         └─────────────────────┘

O Que Você Vai Aprender

Conceito	O Que É	Por Que É Importante
Orçamento de Tokens	Otimizar cada token em seu contexto	Mais tokens = mais $$ e respostas mais lentas
Aprendizado Few-Shot	Ensinar mostrando exemplos	Frequentemente funciona melhor do que explicação sozinha
Sistemas de Memória	Persistir informações entre turnos	Permite interações com estado e coerentes
Aumento de Recuperação	Encontrar e injetar documentos relevantes	Fundamenta respostas em fatos, reduz alucinação
Fluxo de Controle	Dividir tarefas complexas em etapas	Resolver problemas mais difíceis com prompts mais simples
Poda de Contexto	Remover informações irrelevantes	Manter apenas o necessário para o desempenho
Métricas e Avaliação	Medir a eficácia do contexto	Otimização iterativa do uso de tokens vs. qualidade
Ferramentas Cognitivas e Programação de Prompt	Aprender a construir ferramentas e templates personalizados	A programação de prompt permite novas camadas para a engenharia de contexto
Teoria de Campo Neural	Contexto como um Campo Neural	Modelar o contexto como um campo neural dinâmico permite a atualização iterativa do contexto
Mecanismos Simbólicos	Arquiteturas simbólicas permitem raciocínio de ordem superior	Sistemas mais inteligentes = menos trabalho
Semântica Quântica	Significado como dependente do observador	Projetar sistemas de contexto aproveitando técnicas de superposição

Estilo Inspirado por Karpathy + 3Blue1Brown

Para aprendizes de todos os níveis de experiência

1. Primeiros princípios – comece com o contexto fundamental
2. Adição iterativa – adicione apenas o que o modelo comprovadamente não tem
3. Meça tudo – custo de token, latência, pontuação de qualidade
4. Exclua sem piedade – poda supera o enchimento
5. Código > slides – todo conceito tem uma célula executável
6. Visualize tudo — todo conceito é visualizado com diagramas ASCII e simbólicos

Evidência de Pesquisa

Memória + Raciocínio

MEM1: Aprendendo a Sinergizar Memória e Raciocínio para Agentes Eficientes de Longo Prazo - Singapore-MIT Junho de 2025

"Nossos resultados demonstram a promessa da consolidação de memória impulsionada por raciocínio como uma alternativa escalável às soluções existentes para treinar agentes interativos de longo prazo, onde tanto a eficiência quanto o desempenho são otimizados." — Singapore-MIT

1. O MEM1 treina agentes de IA para manter apenas o que importa – mesclando memória e raciocínio a cada passo – para que eles nunca fiquem sobrecarregados, não importando quanto tempo dure a tarefa.

2. Em vez de acumular contexto infinito, ...