Ingeniería de contexto

La ingeniería de contexto amplía la ingeniería de prompts. En lugar de preguntarse sólo «¿cómo redacto la instrucción?», se pregunta «¿qué información, de todo lo disponible, debe ver el modelo en este momento para hacer bien su trabajo?». El término ganó popularidad en 2025, con el auge de los agentes de IA.

El contexto de un modelo incluye mucho más que tu mensaje: el prompt de sistema, el historial, documentos recuperados por RAG, definiciones de herramientas, resultados de esas herramientas y la memoria de sesiones anteriores. En un agente que trabaja durante horas, ese material crece sin parar y hay que administrarlo.

Anthropic, en una guía de 2025, lo describe como encontrar el conjunto más pequeño posible de tokens de alta relevancia que maximice la probabilidad del resultado deseado. La razón: la ventana de contexto es finita y, además, la precisión del modelo se degrada cuando el contexto se llena de material irrelevante.

Técnicas habituales: recuperar sólo la información necesaria en el momento («justo a tiempo»), resumir o compactar conversaciones largas, guardar notas fuera del contexto y consultarlas cuando hagan falta, limpiar resultados de herramientas que ya no sirven y repartir tareas entre subagentes con contextos separados en un sistema multiagente.