上下文工程：从零到英雄指南

"我的语言的局限就是我的世界的局限。" — 路德维希·维特根斯坦
上下文工程扩展了这些局限，为人工智能协作创造了新的可能性。

本目录包含实用的指南，帮助你从基础上下文工程概念进阶到高级技术。每个指南都以前一个指南为基础，创建了从基础到最前沿应用的全面学习路径。

如何使用这些指南

每个指南的设计目标是：

独立完整 — 每个文件都可以独立运行
循序渐进 — 概念基于前面的指南进行构建
实践性强 — 每个概念都包含可运行的代码示例
可测量 — 每种技术都包含用于评估其有效性的指标

快速开始

克隆仓库

git clone https://github.com/davidkimai/Context-Engineering.git
cd Context-Engineering/10_guides_zero_to_hero

运行第一个指南
```
python 01_min_prompt.py
```
1
或在 Jupyter 笔记本中：
```
%run 01_min_prompt.py
```
1

学习路径

这些指南遵循从基础到高级概念的有意设计的进阶过程：

基础阶段（1-3）

01_min_prompt.py：理解原子提示的基础知识并衡量其有效性
02_expand_context.py：学习使用示例、角色定义和约束来扩展上下文的技术
03_control_loops.py：掌握迭代反馈系统和多步骤 LLM 交互

高级实现（4-7）

04_rag_recipes.py：实现检索增强生成以获得知识基础的响应
05_prompt_programs.py：使用提示程序创建结构化推理系统
06_schema_design.py：设计模式以实现一致、可验证和可组合的上下文
07_recursive_patterns.py：使用递归模式探索自我改进的上下文

前沿概念（8+）

字段协议（指南 8-10）：掌握字段理论、涌现、残差和吸引子动力学
元系统（指南 11-15）：探索量子语义学、自我改进、透明性和跨模态集成

涵盖的关键概念

每个指南通过实际示例演示上下文工程的关键原理：

指南	关键概念	实际应用
01_min_prompt	令牌预算、原子指令、ROI 测量	最小可行提示、效率优化
02_expand_context	少量示例、角色定义、约束	模板化上下文、系统扩展
03_control_loops	顺序链接、迭代细化、条件分支	多步工作流、自验证
04_rag_recipes	检索、分块、上下文集成	知识基础的响应、事实真实性
05_prompt_programs	结构化推理、验证协议、组合操作	复杂推理、解释系统
06_schema_design	JSON 模式、验证、结构强制	一致的输出、结构化数据提取
07_recursive_patterns	自反思、引导、符号残差	演进系统、元推理

每个指南的期望

每个指南都遵循一致的结构：

概念介绍 — 解释每种技术背后的"为什么"
实现示例 — 演示概念的工作代码
评估方法 — 如何衡量每种方法的有效性
可视化工具 — 可视化和理解正在发生的事情的方法
扩展练习 — 以你所学为基础进行扩展的建议方法

实验性方法

上下文工程最好通过实验来学习。对于每个指南：

按照提供的方式运行示例
修改参数以查看它们如何影响结果
使用提供的指标衡量影响
结合来自不同指南的技术来创建混合方法
用你自己的用例进行实验以查看这些原理如何应用

评估和指标

每种技术都附带评估其有效性的指标：

令牌效率 — 输出价值与令牌成本
响应质量 — 输出与意图的匹配程度
延迟影响 — 不同方法的处理时间
一致性 — 跨运行结果的可靠性
涌现特性 — 出现的意外行为

贡献指南

此目录正在积极扩展。如果你想参与贡献：

遵循新指南的既定模式
确保每个指南都建立在之前的概念基础上
包含实用、可运行的示例
提供评估指标
提交清晰描述你的指南所教授内容的 PR

未来补充

我们计划使用以下内容扩展这些指南：

多模态上下文技术
大规模系统编排
专业领域应用
基础架构和扩展模式
上下文系统的用户体验设计

上下文工程：从零到英雄指南 ​

如何使用这些指南 ​

快速开始 ​

学习路径 ​

基础阶段（1-3） ​

高级实现（4-7） ​

前沿概念（8+） ​

涵盖的关键概念 ​

每个指南的期望 ​

实验性方法 ​

评估和指标 ​

贡献指南 ​

未来补充 ​

相关资源 ​