马克思说：“人的本质是社会关系的总和。”
我们说：“人是所有上下文的总和。”
这一切的起点，是一个被严重误解的领域——Context Engineering（上下文工程）。上海创智学院刘鹏飞老师团队最新发布的报告《上下文工程 2.0》，剖析上下文工程的：本质、历史与未来。不仅打破了"上下文工程是大语言模型时代新发明"的误解，将这一实践追溯到20多年前的普适计算和人机交互领域，更表示：在AI时代，人不再仅由肉体和意识定义，而是由其产生和嵌入的所有上下文定义。当员工离职后，他的数字上下文——邮件、决策模式、工作流程——仍在AI系统中延续。
一个被遗忘的30年历史
2000年，Dey团队开发了Context Toolkit——一个帮助开发者构建“上下文感知应用”的框架。当你走进办公室，系统会自动：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 vs 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）转化为机器可以理解的低熵表示（“用户正在开会，不要打扰”）。
这就是Context Engineering的雏形。
再往前推，1994年，Bill Schilit在他的博士论文中首次提出“context-aware computing”（情境感知计算）的概念。2001年，Dey给出了至今仍被广泛引用的定义：
"Context is any information that can be used to characterize the situation of an entity."
（上下文是任何可以用来刻画实体情境的信息）
“所以，当我们说‘上下文工程已经30岁了’，这不是夸张，而是事实，”团队负责人刘鹏飞强调，“上下文工程火了之后，所有人都以为这是大模型时代带来的新概念。但实际上，上下文工程的思想可以追溯到1991年Mark Weiser提出的‘普适计算’愿景——那时的研究者就在思考：如何让机器理解'用户在哪里、在做什么、需要什么'。”
论文系统梳理了上下文工程的三次进化：
1.0时代（1991-2010）：研究者用传感器自动收集位置、时间、环境等物理上下文，通过规则和推理引擎让机器"感知"用户情境。
1.5时代（2010-2022）：移动互联网和API让数字上下文（日历、联系人、历史记录、社交网络）成为可能，机器开始理解你的数字生活。
2.0时代（2022至今）：大语言模型让我们可以用自然语言直接构建复杂的任务上下文，机器第一次能够理解你用人类语言表达的意图和背景。
3.0时代（未来）：类人智能阶段，机器有望实现接近人类的理解与推理能力，能够吸收高熵、多模态、社会与情绪信号等丰富上下文，实现自然协同，成为真正有知识与判断力的“同伴”。
4.0时代（推测）:超人智能阶段，机器理解与塑造上下文的能力超越人类，开始主动引导人类思考，构造新的语境与需求。人机关系发生倒挂，AI 成为洞察与创新的源泉。
“Context Engineering不是新发明，它是一个持续30年的进化过程。变化的是：机器能理解的‘你’越来越完整；不变的是：人类一直在努力让机器理解‘什么是人’。”
第一性原理：为什么机器需要上下文？
论文最精妙之处在于揭示了上下文工程产生的第一性原理：人与机器之间存在巨大的认知智能鸿沟（Cognitive Intelligence Gap）。
“人类是天生的‘脑补’大师，”论文解释道，“当你说‘帮我订明天的会议室’，人类同事会自动推断：哪个办公楼、几点到几点、需要投影仪吗、要邀请谁。这些信息在你的大脑中以‘高熵’状态存在——模糊、隐含、依赖常识。但机器无法‘脑补’，它需要将这些高熵信息降解为低熵的、明确的、结构化的指令。”
论文将上下文工程定义为一个“熵减少过程”：从人类的模糊意图，到机器可执行的精确指令。这个视角优雅地统一了30年来所有形式的人机交互——从2000年Context Toolkit的传感器数据预处理，到今天的Few-shot Prompting，本质上都在做同一件事：减少不确定性，填补认知鸿沟。
每一次技术跃升，都重写一次交互界面
论文发现了一个被忽视的规律：每当机器智能提升一个台阶，就会催生一次交互界面革命。
上世纪80年代，当计算机从只能理解机器码进化到理解命令行，CLI（命令行界面）诞生；当它能理解图形和鼠标点击，GUI（图形界面）取代了CLI；当智能手机让机器能理解触摸和手势，移动互联网爆发；当大语言模型让机器能理解自然语言，Chat界面开始颠覆一切。
“这不是偶然，”团队负责人指出，"每一次机器能力边界扩展，都会让旧的交互范式变得低效。就像你不会用命令行去刷抖音，未来你也不会用传统APP去做复杂的多步骤任务。缩小的认知鸿沟，呼唤着新的交互容器。”
这意味着巨大的产业机会：从PC电脑到微信，每一次交互界面（interface）革命都诞生了万亿级市场。论文预言，随着大模型能力迅速逼近人类水平，下一个微信级产品，一定藏在这个新的认知鸿沟中。
认知反转：
当AI超越人类，上下文工程会消失吗？
论文最具争议的部分是对"超智能时刻"的预测。当AI的认知能力接近甚至超越普通人时，会发生什么？
“一个反直觉的结论是：上下文工程不会消失，而是会发生‘认知反转’，”论文写道，“原本是人教机器理解上下文，未来可能是机器主动构建、管理、甚至创造上下文。它会比你更懂你的工作流程，主动推断你的需求，甚至质疑你的决策。”
这将我们带回开头的哲学追问：当你的数字上下文比肉体更长寿，“你”是什么？
想象一个场景：员工离职了，但他过去5年的工作上下文——邮件、会议记录、代码提交、决策模式——仍然完整保存在AI系统中。公司可以继续“咨询”这个数字化的认知副本。那么，这个人的“价值”和“存在”，是否已经从物理可用性转变为上下文可用性？
这不是科幻，而是正在发生的认识论转变。就像忒修斯之船的每块木板都被替换后，我们仍认为它是“同一艘船”，因为它保持了结构和功能的连续性——人的本质，也许不在于不断更新的肉体细胞，而在于持续积累的上下文网络。
马克思定义人的本质是“社会关系的总和”，在AI时代，这些社会关系、知识、判断力、决策模式，都可以被编码为上下文，在数字空间中延续。人本质上是所有上下文的总和。
一个统一的形式化框架
除了哲学思辨，论文还给出了工程实践者迫切需要的东西：第一个统一的上下文工程形式化定义。
论文将上下文工程拆解为四个核心环节：采集（Collect）——从多模态信号中提取原始上下文；构建（Construct）——将碎片化信息组织为结构化表示；使用（Use）——在任务执行时动态注入相关上下文；管理（Manage）——在隐私、成本、时效性之间权衡。
“这个框架统一了过去30年所有的最佳实践，”负责人介绍，“无论你在做智能家居、推荐系统，还是AI 智能体，都可以用这四个步骤审视自己的系统设计。”
“我们希望这篇论文能让上下文工程成为一个正式的研究学科，”团队负责人说，“它不应该只是Prompt工程师的雕虫小技，而应该像数据库理论、网络协议一样，有自己的第一性原理、设计模式和评估标准。”
毕竟，如果人本质上是所有上下文的总和，那么研究如何构建、表示、使用这些上下文，就是在研究人本身。
当你在ChatGPT中输入你的第一个Prompt时，你不仅在使用一个工具，你也在定义自己——通过你选择分享的上下文，通过你构建的意图表达，通过你与机器的每一次对话。
古希腊哲学家问：“忒修斯之船” —— 如果一艘船的每块木板都被替换，它还是原来的船吗？
2025年，我们问：“数字化的你” —— 如果你的所有上下文都被保存，这些上下文的总和，是你吗？
论文标题：Context Engineering 2.0: The Context of Context Engineering
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://context.opensii.ai/
