| name | context-engineering |
| description | Advanced 2026 context curation patterns (Nvidia Eureka, Context Hygiene, RLMF) for autonomous agents. |
| trigger | context engineering OR eureka context OR context hygiene OR reward design OR RLMF |
| scope | global |
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):
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
- Analizar Entorno: Leer archivos de configuración y logs actuales.
- Destilar Contexto: Comprimir la historia del chat eliminando ruido.
- Hidratar: Traer información de L1 (Focus), L2 (Episodic) y L3 (Semantic/RAG).
- Inyectar Reward: Definir el éxito de la tarea basándose en el "Motivational Feedback" del usuario.
Ejemplo: RLMF Injection
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