Context engineering es la disciplina de decidir, en cada llamada al modelo, qué
información entra en la ventana de contexto y cuál se
queda fuera. Es la evolución del “prompt engineering”: cuando trabajas con agentes, el reto
ya no es redactar la frase perfecta, sino administrar un presupuesto de tokens limitado
para que el modelo tenga lo justo y necesario.
Por qué es el problema central de los agentes
La ventana es finita y la atención se diluye cuando está saturada. Meter de más es tan malo
como meter de menos:
De menos: el modelo no tiene el dato y alucina o pregunta.
De más: cuesta más tokens, va más lento y el modelo se
distrae con ruido irrelevante.
Un buen harness hace context engineering por ti; un buen dev sabe
cuándo intervenir.
Técnicas
Recuperación selectiva (RAG): traer solo los fragmentos
relevantes en vez de la base entera.
Resumen / compactación: condensar el historial largo de una conversación en un resumen
y descartar el detalle.
Instrucciones persistentes: archivos como
CLAUDE.md que reinyectan el contexto del
proyecto en cada sesión sin que lo repitas.
Herramientas bajo demanda: dejar que el agente lea archivos cuando los necesita
(tools) en lugar de precargarlos todos.
Aislamiento por subagente: delegar una
subtarea a un contexto separado para no contaminar el principal.
Señales de que lo estás haciendo mal
El agente “olvida” instrucciones que diste al principio → se salieron de la ventana.
Respuestas lentas y caras en tareas simples → contexto inflado.
El agente ignora un documento que sí le pasaste → estaba enterrado entre ruido.