作为推荐的上下文工程：用于上下文工程的进化协同过滤

大型语言模型对输入上下文高度敏感，推动了自动上下文工程的发展。然而，现有方法多将其视为全局搜索问题，忽略了不同输入需要差异化指导的事实。本文提出将上下文工程重构为推荐问题，引入神经协同上下文工程（NCCE）框架。该框架通过“上下文 - 协同过滤协同进化”机制，建立轻量级模型与上下文生成间的 synergistic 反馈循环，实现实例级的动态上下文路由。理论与实验证明，该方法通过匹配最优上下文显著提升了任务准确率。