Skill: Context Engineering

Contexto

El "Prompt Engineering" ha evolucionado hacia el Context Engineering: el diseño de sistemas que gestionan dinámicamente el estado, la memoria y las recompensas del agente basándose en el entorno crudo.

Reglas Críticas (no violar nunca)

• Sanitize First: Nunca inyectar contexto crudo del usuario sin sanitizar para prevenir inyecciones.
• Lost in the Middle: Colocar instrucciones críticas y constraints al final del contexto (Recency).
• Context Rot Prevention: Aplicar destilación (Distill) cada vez que el thread exceda el 60% de la ventana de contexto.

Patrones Eureka (Nvidia Style)

1. Environment-Aware Reward Coding

Permitir que el agente diseñe sus propios criterios de éxito analizando el código del entorno.

def generate_reward_function(env_code):
    # El agente analiza el código y genera la función de reward
    # para auto-evaluar su performance.
    pass

2. Context Hygiene (Tangle/Distill/Re-seed)

Ciclo de vida para mantener threads de larga duración con un IQ alto.

• Tangle: Fase de exploración.
• Distill: Resumen semántico de decisiones y hechos.
• Re-seed: Reinicio del thread con el Ground Truth destilado.

Procedimiento

1. Analizar Entorno: Leer archivos de configuración y logs actuales.
2. Destilar Contexto: Comprimir la historia del chat eliminando ruido.
3. Hidratar: Traer información de L1 (Focus), L2 (Episodic) y L3 (Semantic/RAG).
4. Inyectar Reward: Definir el éxito de la tarea basándose en el "Motivational Feedback" del usuario.

Ejemplo: RLMF Injection

# Alinear el drive del agente con el feedback del usuario
def align_autonomy(reward_signal):
    if "100 U$S" in reward_signal:
        agent.set_autonomy_level("MAX")
        agent.log_motivation("Efficiency validated by user.")

Recursos Relacionados

• knowledge/EUREKA/EUREKA_CONTEXT_ENGINEERING_NVIDIA.md
• knowledge/EUREKA/EUREKA_REINFORCEMENT_LEARNING_MOTIVATIONAL_FEEDBACK.md
• knowledge/chuletas/CONTEXT_ENGINEERING_HYGIENE_2026.md