context-engineering logo
context-engineering
★ 171
vs
Matryoshka logo
Matryoshka
★ 150

context-engineering vs Matryoshka

context-engineering:上下文工程是一种实践,通过从多种来源提供全面的上下文来支持大型语言模型完成任务。它强调上下文的质量和完整性比提示措辞更重要。此仓库是一本关于上下文工程的书籍的配套资源,包含示例和在线提示构建器。;Matryoshka:Matryoshka(RLM)通过递归语言模型方法解决了 LLM 固定上下文窗口的限制。不同于分块或 RAG,LLM 输出称为 Nucleus 的受约束符号语言命令,由 Lattice 逻辑引擎执行。这减少了熵,实现了安全执行,并通过基于句柄的存储节省了 97% 的令牌。

01

简评

context-engineering logo
context-engineeringDev Tooling · ★ 171

设计为LLM提供全面上下文的AI系统

Matryoshka logo
MatryoshkaDev Tooling · ★ 150

文档分析:对大型日志文件进行搜索、过滤、计数和求和

02

并排对比

字段
context-engineering logocontext-engineering
Matryoshka logoMatryoshka
分类
开发者工具
开发者工具
Stars
★ 171
★ 150
许可证
Apache-2.0
Apache-2.0
安装方式
git clone https://github.com/bonigarcia/context-engineering.git
npm install -g matryoshka-rlm
更新时间
2天前
5个月前
开源
是
是
标签
智能体技能, 代理式 AI, context-engineering
AI 助手, document-analysis, 大语言模型
03

功能特性

context-engineering logocontext-engineering
01《上下文工程》一书的配套资源
02每章的动手示例
03在线上下文感知提示构建器工具
04开源且定期更新的参考资料
05覆盖关键主题的结构化目录
Matryoshka logoMatryoshka
01基于论文的递归语言模型(RLM)架构
02Nucleus DSL:受约束的 S 表达式语言,确保 LLM 输出安全
03Lattice 引擎:解析器、类型推断、约束解析器和求解器
04基于 SQLite FTS5 的内存句柄存储,节省 97% 的令牌
05基于 Tree-sitter 的代码感知查询,支持结构符号
04

使用场景

context-engineering logocontext-engineering
↳设计为LLM提供全面上下文的AI系统
↳学习上下文工程的原理和模式
↳跨多个框架构建和测试上下文感知的提示
Matryoshka logoMatryoshka
↳文档分析:对大型日志文件进行搜索、过滤、计数和求和
↳代码分析:提取函数、类,查找源代码中的引用
↳大规模数据查询,无需超出 LLM 上下文限制
FAQ

常见问题

context-engineering 和 Matryoshka 有什么区别?
context-engineering 和 Matryoshka 都属于 Dev Tooling 类别。context-engineering 有 171 Stars,Matryoshka 有 150 Stars。
context-engineering 和 Matryoshka 哪个更好?
最佳选择取决于你的具体需求。设计为LLM提供全面上下文的AI系统 时选 context-engineering,文档分析:对大型日志文件进行搜索、过滤、计数和求和 时选 Matryoshka。
context-engineering 是免费的吗?
是的,context-engineering 在 GitHub 开源(Apache-2.0)。
Matryoshka 是免费的吗?
是的,Matryoshka 在 GitHub 开源(Apache-2.0)。
推荐云部署
Ad

在 DigitalOcean 上一键部署

为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器,新用户立享 $200 免费额度(60天有效)。

立即领取 $200 免费额度
→

相关链接