Context Engineering 2.0
The Context of Context Engineering
从上下文感知到上下文协作的30年演进 — Context Engineering是一个熵减少过程，旨在弥合人类与机器之间的认知鸿沟
30年演进历程
1994年：Bill Schilit首次提出"context-aware computing"概念
2000年：Anind Dey团队开发Context Toolkit框架
2001年：Anind Dey给出至今仍被广泛引用的定义
Era 1.0：上下文感知（Context-Aware）- 机器像婴儿，只能吃米糊（结构化数据）
Era 2.0：上下文协作（Context-Cooperative）- 机器像成年人，可以直接吃牛排（原始信息）
认知鸿沟（Cognitive Gap）
认知鸿沟 = 人类的上下文处理能力 - 机器的上下文处理能力
Context Engineering通过收集、管理和使用上下文信息，将高熵的人类意图和环境状态，预处理为机器可理解的低熵表示。
Context Engineering = 熵减少过程
Context Engineering系统化框架
Context Engineering = Collection × Management × Usage
Collection（收集）
如何收集上下文（从单一传感器到多模态融合）
- 感知升级：从单一传感器到多模态融合
- 环境感知：位置、身份、活动等
Management（管理）
如何管理上下文
- 分层记忆架构：短期记忆与长期记忆
- 子代理隔离上下文：Claude Code创建子代理执行独立任务
- 轻量引用：不把大文件塞进上下文，而是存到外部，只放"指针"
Usage（使用）
如何使用上下文
- 从「被动响应」到「主动协作」
- 高熵上下文消费能力提升：从「只吃精加工食品」到「能消化原材料」
从感知到协作的飞跃
Era 1.0
被动响应
只能处理结构化数据
单一传感器
Era 2.0
主动协作
能处理原始信息
多模态融合
Era 2.0系统是协作式的：你在写论文→系统分析你的写作进度→发现你卡在第三章→主动建议："要不要我帮你梳理一下逻辑？"→你同意→它生成大纲→你修改→它根据反馈调整
Self-Baking：从量变到质变
Self-Baking的本质是把「存储」和「学习」分开
没有Self-Baking
AI只会回忆（"你上次说了什么？"）
有了Self-Baking
AI可以积累知识（"我知道你喜欢什么"）
这是从「工具」到「伙伴」的分水岭，上下文工程需要从量变到质变，核心总结应融合到模型参数里