上下文工程2.0：从历史演化到未来智能协作

在人工智能时代，人类的存在被重新定义：我们不再是单纯的社会关系总和，而是由海量数据、交互记录和动态上下文构成的数字化实体。

这并非科幻想象，而是当下正在发生的现实变革。

这一变革的起点，是一个长期被误解的领域——上下文工程（Context Engineering）。

来自上海创智学院刘鹏飞老师团队，提出了上下文工程2.0框架，深入剖析其本质、历史脉络与未来走向。

一个被遗忘的真相

2025年，当你首次向ChatGPT输入精心设计的提示词时，或许认为自己正在进行一项开创性工作——用自然语言“编程”，让AI领会你的意图。

但如果告诉你，早在2000年，佐治亚理工大学的研究者就在从事类似探索呢？

那时还没有GPT模型，甚至连智能手机都未普及。

但Anind Dey及其团队已开始思考核心问题：如何让机器理解人类所处的“上下文”，从而提供更智能的服务？

他们开发了Context Toolkit——一个协助开发者构建“上下文感知应用”的框架。

当你步入办公室，系统能自动：检测你的位置（通过红外传感器）、识别你的身份（通过ID卡）、推断你的活动（会议与个人工作）、调整环境（灯光、温度、通知模式）。

这个过程需要什么？需要工程师精心设计传感器网络、数据融合算法、推理规则——将高熵的原始信号（位置坐标、时间戳、环境数据）转化为机器可理解的低熵表示（“用户正在开会，请勿打扰”）。

这就是上下文工程。

再向前追溯，1994年，Bill Schilit在其博士论文中首次提出“上下文感知计算”的概念。

2001年，Anind Dey给出了至今仍被广泛引用的定义。

上下文是任何可用于刻画实体情境的信息。

因此，当团队声称“上下文工程已历经30年”，这并非夸张，而是事实。

上下文工程并非新发明，而是一个持续30年的进化历程。

变化在于：机器能理解的“你”日益完整；不变的是：人类始终致力于让机器理解“何为人”。

而这一努力的本质是什么？

第一性原理 —— 为什么需要上下文工程

让我们先进行一个思维实验。

场景1：两个人类的对话

A: “我有点冷” >B: (起身关窗) / (递过外套) / (调高空调温度)

场景2：人与传统机器的对话

用户: “我有点冷” >系统: 错误：未知指令。请指定精确操作。 >用户: 无奈地走到空调前，手动调到24°C

场景3：人与ChatGPT的对话

用户: “我有点冷”ChatGPT: “理解你感到寒冷。我可以协助：1、若你有智能家居，我可生成调温指令 2、提供保暖建议 3、若在办公室，建议与同事沟通调整空调…”

看出差异了吗？

人类沟通如此高效，源于我们具备一种神奇能力：我们会主动“脑补”。

当A说“我有点冷”，B的大脑瞬间完成复杂推理：

语义理解：这不是物理讨论，而是表达不适

意图推断：他可能希望我采取行动

情境补全：窗户是否开着？空调温度过低？他忘了带外套？

知识调用：我知道关窗/递衣/调温可解决问题

社交判断：我们的关系足够密切，我可主动协助

此过程，用信息论语言描述，即熵减少。

想象一个充满气体分子的房间。分子随机运动，高度无序，此为“高熵”状态。若你想让它们排列成特定图案，需做功——此即“熵减少”。

人类语言亦然：

“我有点冷”这句话本身是高熵的——它信息量稀少，意图可能多样。

但人类大脑会自动将其转化为低熵的具体行动——基于共享知识、经验、情境……

机器无法做到这点——此即人机间的认知鸿沟。

如何定义认知鸿沟？

简言之，认知鸿沟=人类的上下文处理能力 - 机器的上下文处理能力

大致可分四个等级：

时代1.0: 鸿沟约90%（机器几乎不懂）

时代2.0: 鸿沟约30%（机器懂自然语言）

时代3.0: 鸿沟约1%（机器接近人类水平）

时代4.0: 鸿沟<0（机器超越人类）

现在我们可为上下文工程给出精确定义：

上下文工程是一个熵减少过程，旨在弥合人类与机器间的认知鸿沟。

它通过收集、管理和使用上下文信息，将高熵的人类意图与环境状态，预处理为机器可理解的低熵表示。

上下文工程不是“翻译”，而是“预消化”：

翻译：将中文变英文，形式变，信息量不变。

预消化：将牛排切碎、嚼烂，便于婴儿吞咽，即降低处理难度。

你在做的是：将高熵的“你”，压缩成机器能消化的低熵形式。

30年演化之路

若将上下文工程的历史绘成画卷，它将呈现一条收敛曲线——人类与机器间的认知鸿沟，随技术进步不断缩小。

每一次缩小，都引发一场交互革命。

每一次技术突破（认知鸿沟缩小），都会引发三重连锁反应：

1、界面革命：需要新交互容器以最大化新技术潜力

2、上下文容量扩张：机器能处理的上下文范围急剧扩大

3、工程范式转移：上下文工程方法论发生根本改变

这不是巧合，而是必然规律。

时代1.0 (1990s-2020): 传感器时代

想象2005年的某个下午。你想让电脑做件简单事：“把昨天的报告发给张经理”。但你不能这么说。

你必须：打开Outlook → 新建邮件 → 搜索收件人 → 找到文件 → 附加 → 发送。

至少20步操作，几分钟时间。

这就是时代1.0的真相：机器不懂你所思，你必须将每个意图分解为机器能理解的原子操作。

为何机器如此“愚钝”？因那时代计算机本质是状态机——只会执行预编程序，不会推理，不会理解。

既然机器无法理解自然语言，那能否让它至少“看到”用户状态？

1994年，Bill Schilit进行实验：在办公室布满传感器，给员工发ID卡。

当你走进会议室，系统自动检测到：“这是张三，在301会议室，现14点，日历显示有会议”。

于是自动：手机静音、投影文档、邮件自动回复“开会中”。 这是人类让机器“主动理解情境”。

研究者设计了一个四层架构：

【应用层】智能服务（自动调节灯光、推荐文档）

【推理层】规则决策（若在会议室且14点则静音）

【上下文管理层】标准化数据（位置=301，时间=14:00）

【感知层】传感器原始数据（GPS、时间戳、ID信号）

这是一条从高熵到低熵的流水线。

然而，机器只执行工程师预设的if-then规则。遇到未覆盖情况？崩溃。

就像只会背菜谱的厨师——菜谱没有的菜，他不会做。机器无真正“理解”，只有机械“匹配”。

尽管技术受限，时代1.0建立了深刻理论基础。

2001年，Anind Dey的定义至今仍是黄金标准：

“上下文指任何可用于刻画相关实体（如人、地点或物体）所处情境的信息，这些实体被认为与用户和应用程序间的交互有关，其中包括用户本身及应用程序本身。”

Dey设计的Context Toolkit，首次让“上下文”成为可模块化、可复用的工程对象。

时代2.0 (2020-至今): 智能助手时代

2020年，一切改变。

那年，OpenAI发布GPT-3。

当人们首次看到演示，普遍震惊：你输入：“帮我写封邮件，告诉老板我明天请假看病。” 它输出格式完整、措辞得体的请假邮件。

这是时代2.0的分水岭：机器从“状态机”进化成“理解者”。

还记得时代1.0的痛苦吗？你必须将“发邮件”分解成20步。现在呢？

熵减少工作，从人类转移至机器。

认知鸿沟缩小，人类终可用习惯方式——自然语言——与机器对话。

但时代2.0不只是“会说话”这般简单。革命发生在多层：

第一，感知升级：从单一传感器到多模态融合。

时代1.0系统只能读懂GPS、时间戳等结构化数据。

时代2.0系统能看懂图片（你发菜谱照片，它能识别食材步骤）、听懂语音（你说“我想吃川菜”，它理解口味偏好）、读懂文档（你上传PDF合同，它能提取关键条款）。

这叫“多模态感知”——机器学会以人类方式接收信息。

第二，“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”。

这是时代2.0最关键突破。

用比喻：时代1.0机器像婴儿，只吃米糊（结构化数据）；时代2.0机器像成人，可直接吃牛排（原始信息）。

何为“原始信息”？

你随手写的一段话：“我觉得最近压力大，想找安静地方度假。” 此句高熵：未明确说去哪、预算多少、何时。

但GPT能理解：“压力大”→需放松，“安静地方”→避热门景点，“度假”→可能3-7天。然后它会问：“您预算大概多少？倾向国内还是国外？”

这就是“高熵上下文消费能力”——机器学会处理模糊、不完整、高熵输入。

用信息论语言：时代2.0系统可接受高熵输入，并通过自身智能进行熵减少。

第三，从“被动响应”到“主动协作”。

时代1.0系统是反应式：“若位置=会议室则手机静音”。

时代2.0系统是协作式：你在写论文→系统分析写作进度→发现你卡在第三章→主动建议：“要不要我帮你梳理逻辑？”→你同意→它生成大纲→你修改→它据反馈调整。

这不是“感知你的状态”，而是“理解你的目标并帮你达成”。 我们从上下文感知进化到上下文协作。

以GitHub Copilot为例，工程师不再需写“若用户输入函数名则提示参数列表”此类规则。

相反，模型通过学习数十亿行代码，自己理解“上下文”含义。

但此处有微妙点：上下文窗口限制。

GPT-3上下文窗口仅4096个token（约3000字）。这意味着，即使模型聪明，它也只能“看到”有限上下文。

故上下文工程又成精选上下文艺术：何信息最重要？如何在有限空间塞进最多价值？如何组织信息让模型更好理解？这就是提示工程。

在智能体背景下，提示工程偏向单次，而当对话更偏多轮维护和演化，我们又有普遍理解的上下文工程。

这基于现实需求：需多次推理和更长时间范围内运行的AI智能体。

上下文工程在动态策划和管理进入上下文窗口的信息流：包括收集、存储、管理、利用。

这本身具多设计元素，故Karpathy说：上下文工程是艺术和科学。

讽刺的是，当机器变得更聪明，上下文工程反变得更复杂。

为何？因选择太多：

我该给它多少上下文？

以何顺序组织？

如何平衡细节和概括？

何时用少量示例，何时用零示例？

如何避免“迷失中间”问题？

这就是为何我们需要系统化框架。

如何做好上下文工程2.0？

理解上下文工程本质（熵减少）和历史（30年演化），让我们回到最实际问题：

在大模型时代，如何做好上下文工程？

基于对100+篇论文分析及实践经验，团队提出系统化框架：

上下文工程 = 收集 × 管理 × 使用

即：上下文工程 = 如何收集上下文 × 如何管理上下文 × 如何使用上下文

这三个维度正交——你可在每个维度上独立优化。

维度1：上下文收集（收集）

核心问题：如何收集并存储有价值上下文？

收集本质是回答：机器需知道“你”哪些方面？

在时代1.0，机器趋向单设备、结构化，机器只需知你“指令”。

机器能收集上下文极有限：GPS: 你在哪；时钟: 现几点；键盘: 你打什么字

存储？全在本地硬盘，txt日志或简单数据库。网络上传？那时网速慢、不稳定，根本不现实。

时代2.0，多设备、多模态成熟，机器需知你“意图”。

机器可从无数“触角”收集上下文，传感器更强大：手机GPS/加速度计/摄像头、可穿戴设备心率/步数、智能家居温度/光线、云服务邮件/日历、第三方API天气/交通。

更重要的是，机器学会“多模态融合”： 看图片（识别你在吃什么）、听语音（理解情绪意图）、读文档（分析工作内容）。

对于存储，上下文存储可不限于上下文窗口，也可扩展至本地文件存储，甚至上传云端，或存于大模型参数中。

团队预测，时代3.0将实现无感采集，机器需知你“状态”。

此时，上下文收集应更顺滑。通过脑机接口，可获得人注意力、情绪、认知负荷等；通过AR眼镜，人视线、环境、社交互动可被更好捕捉……

维度2：上下文管理（管理）

收集上下文后呢？

想象你刚结束3小时头脑风暴会议。笔记本写满想法、疑问、决策、待办事项。现你会如何处理这些信息？

若你什么都不做，只把笔记本扔进抽屉——那么之后，你可能只剩几个模糊印象。

若你花30分钟整理——提炼核心决策、标注优先级、归档到不同文件夹——这样你可快速找到关键信息，接着干活。机器也面临同样问题。

这就是上下文管理本质：存储和组织原始信息，让上下文可被更好利用。

你和AI聊3小时，生成20万个token。

现你问新问题，AI需读完这20万个token吗？显然不行。设计时，人往往会采取系列组织策略：

分层记忆架构：我们可将记忆分成长短期。如短期记忆（RAM）可能存当前对话最近10条消息，长期记忆（硬盘）可能存储跨会话重要知识和偏好。

子代理隔离上下文：Claude Code创建子代理执行独立任务（“搜索文档”），给它独立上下文窗口和最小权限。完成后只返回结果——不污染主上下文。就像人类临时叫同事查数据，他只告诉你结论。

轻量引用：不把大文件塞进上下文，而是存到外部，只放“指针”。平时只看摘要，需要时再调用完整数据。

不过，若只原样存储对话，那只是“记忆”——得翻遍所有对话才能找信息。

但若AI能主动提炼——把100条对话压缩成“用户偏好清淡口味，关注健康，预算中等”——这就变成“知识”。

就像人类认知过程： 短期记忆（今天吃什么）→语义记忆（我喜欢吃川菜）；具体经历（每次开车细节）→技能（开车技能）。

这记忆不断抽象化乃至形成认知的过程，被称为自烘焙。

团队策略可能是——

自然语言摘要：保存完整对话，定期生成摘要。

结构化提取：提取关键事实填入预定义结构，构建实体图（用户-偏好-航班-关系）。

渐进式向量压缩：把信息编码成数学向量，多级压缩（100条对话→10个向量→1个超级向量）。旧向量定期“合并”成更抽象向量。

而自烘焙本质，其实就是把“存储”和“学习”分开。

无自烘焙：AI只会回忆（“你上次说什么？”）

有自烘焙：AI可积累知识（“我知道你喜欢什么”）

这是从“工具”到“伙伴”的分水岭。

维度3: 上下文使用（使用）

收集上下文，管理好上下文，最终还是要用起来。

我们还是分三个阶段讨论：

时代1.0: 被动响应

那个时代，机器只会“若-则”。

你走进办公室，传感器检测到：“位置=办公室，时间=9:00”，于是系统执行：“手机静音，打开电脑”。

上下文使用完全被动、固定、局部——每个模块各自为政，通过集中式上下文服务器读取数据，遵循全局模式，无协作，无推理，无适应。

这不是“理解”，只是“匹配”。

时代2.0: 主动理解

现在，机器学会初步“理解”和初步“协作”。

对于上下文利用，2.0时代有很多设计考量：

在多智能体系统中，多智能体间上下文怎么共享？

在RAG过程中，怎么进行更好选取和搜索？怎么更好让回答符合用户个性化？

甚至未来，上下文长度越来越长，中间会遇到什么样挑战？

工业上，也有很多细节策略。比如怎么处理kv缓存？怎么更好设计工具？Claude Code相关设计是什么？深度研究相关设计是什么？

时代3.0：流畅协作

那时，交互将变得完全自然——你感觉像在和深刻理解你朋友交流。

系统间协作不再需翻译器，AI代理们像人类一样自然理解彼此，动态对齐概念和意图。上下文选择变成主动构建——预测你下一步需要什么，提前准备好支持性上下文。

记忆系统真正像人脑一样自主进化，自己发现复杂关系，动态调整结构，主动决定什么该记、什么该忘。

甚至AI不再需你明确说明需求，通过微妙线索就能把握你真实意图，甚至在你未意识到时就提供帮助。

那时人机共生应是这样：AI成为你认知延伸，而非外部工具。

关键转变两点：

1、从感知上下文，到协作上下文，到构建上下文，

2、机器不再只理解你上下文，而是开始为你构建新上下文。

当AI超越人类

现在，我们做大胆思想实验。

若认知鸿沟收敛曲线继续延伸，进入时代4.0会发生什么？

我们认为，在某些任务上，AI能力将超越普通人类。这不是科幻，而是正在发生：

国际象棋: AI早已超越人类（1997）

围棋: AlphaGo超越人类（2016）

蛋白质折叠: AlphaFold超越人类（2020）

代码生成: Copilot在特定任务上接近专家水平（2023）

数学推理: 正快速逼近（2024-2025）

问题是：当AI全面超越普通人类时，上下文工程会变成什么样？

可能是：AI不再等你问问题；AI通过分析你行为模式，推断出你自己还未明确需求；AI主动构建上下文，而非被动接收……

这是认知倒置：从“人教机器”到“机器引导人”。

因此，我们认为，上下文会构成新的人类身份。

当员工离职后，组织可能仍保留其“上下文表示”，系统可咨询、模拟甚至与这上下文协作。

这些上下文总和，在某种意义上，就是“数字化的你”。

简言之——

传统观念：人 = 身体 + 意识

新观念：人 = 上下文总和

你想留下什么样的上下文？

写到这里，我们跟随团队完成30年时空旅行：

从1994年上下文感知，到2024年上下文协作，再到2050年可能的认知融合。

上下文工程核心，从未改变：

弥合人与机器间认知鸿沟，让两种不同智能形态能相互理解、协作、共生。

但它的形态，在不断演化：

时代1.0: 硬件密集型（传感器、规则引擎）

时代2.0: 数据密集型（用户画像、知识图谱）

时代3.0: 语言密集型（提示工程）

时代4.0: 认知密集型（超智能引导人类）

时代5.0: …

人类正站在通向3.0的转折点上。

基于此，团队给出三个行动建议——

对研究者：

这领域还有太多未解之谜：如何评估上下文质量？如何在隐私和效用间平衡？如何设计伦理上下文工程？如何处理上下文动态演化？如何在多智能体系统中管理上下文？

这些问题的答案，将定义下一个十年。

对开发者：

下一个界面革命正在酝酿。从CLI到GUI用20年，从GUI到Mobile用15年，从Mobile到Chat用10年，下一次革命会更快。

谁能设计出最好“上下文容器”，谁就能定义下一个时代的交互范式。机会窗口正打开。

对所有人：

思考一个问题：若你是你上下文总和，若你上下文会在你之后继续存在，若未来AI会基于你上下文来“模拟”你，那么，你想留下什么样的上下文？

这不是技术问题，这是一个存在主义问题。你每一次对话、每一个决策、每一个创作，都在塑造你“数字遗产”。

你在书写你上下文，而你上下文，也在定义你。

你上下文，塑造了你看到的这篇文章。

这篇文章，也将成为你上下文一部分。

论文地址：https://arxiv.org/pdf/2510.26493

Github 地址：https://github.com/GAIR-NLP/Context-Engineering-2.0

SII Personal Context：https://www.opensii.ai/