Wiki sobre Inteligencia Artificial

Versión infantil

Ingeniería de contexto

Revisada el 2026-10-09 · vigente hasta 2027-01-07

La ingeniería de contexto es el trabajo de elegir y mantener qué información ve un modelo en cada paso: instrucciones, herramientas, documentos, historial y notas.1

Anthropic la presenta como la evolución natural del prompt engineering. Ya no basta con redactar bien un prompt: en un agente que trabaja muchos turnos hay que decidir, cada vez, qué entra en la ventana y qué sale. El principio que propone es buscar el conjunto más pequeño de tokens de alta señal que haga más probable el resultado que quieres.1

Diferencia con el prompt engineering

  • Prompt engineering: escribir y ordenar instrucciones, sobre todo el system prompt.1 Las pautas concretas están en prompting práctico por modelo.
  • Ingeniería de contexto: gestionar todo lo que llega al modelo, no solo el prompt (herramientas, datos externos, historial, resultados). Es iterativa: se vuelve a curar cada vez que algo se pasa al modelo.1
  • Lo que se carga en todas las sesiones sin repetirlo tiene ficha propia: instrucciones persistentes.

Cómo funciona

Por qué el contexto es limitado

  • Context rot: cuantos más tokens, peor recuerda el modelo lo que tiene delante. La caída es gradual, no un precipicio.1
  • Presupuesto de atención: cada token nuevo gasta parte de un presupuesto finito.1 El detalle técnico (n² relaciones, posición de la información, cifras por modelo) está en ventana de contexto.

Las piezas

  • System prompt a la «altura adecuada»: ni lógica rígida tipo if-else ni pautas vagas. Secciones claras; se empieza con lo mínimo y se añade según los fallos que se observen.1
  • Herramientas: pocas, autocontenidas, sin solaparse y que devuelvan pocos tokens. Si una persona no sabría cuál usar, el agente tampoco.1
  • Ejemplos: unos pocos, variados y representativos, mejor que una lista larga de casos límite.1

Cargar antes o justo a tiempo

  • Antes: recuperar lo relevante antes de la inferencia, normalmente con embeddings. Es la idea de RAG.1
  • Justo a tiempo: el agente guarda referencias ligeras (rutas, enlaces, consultas) y carga el dato con herramientas cuando lo necesita. Descubre el contexto por capas, guiándose por carpetas, nombres y fechas.1
  • Híbrido: Claude Code mete los CLAUDE.md al principio y explora el resto con glob y grep. Explorar en ejecución es más lento y necesita buena guía.1
  • En Claude Code, una regla de .claude/rules/ con campo paths solo entra en contexto cuando Claude trabaja con archivos que coinciden. La guía oficial pide cada CLAUDE.md por debajo de 200 líneas: más largo consume contexto y se sigue peor.2
  • Lo mismo con las skills (al inicio solo se ve su descripción; el contenido entra al usarlas) y con las herramientas MCP, cuyas definiciones se cargan bajo demanda.3

Tareas largas

TécnicaQué haceCuándo conviene
CompactaciónResume la conversación cerca del límite y sigue con el resumen. Lo más ligero es borrar resultados viejos de herramientasMucha conversación de ida y vuelta
Notas estructuradasEl agente escribe notas fuera de la ventana (lista de tareas, NOTES.md) y las relee despuésDesarrollo por iteraciones con hitos claros
SubagentesTrabajan en una ventana limpia y devuelven un resumen, a menudo de 1.000 a 2.000 tokensInvestigación compleja que gana con exploración en paralelo

Fuente de la tabla: Anthropic.1 Su guía de prompting añade una cuarta vía: empezar con una ventana nueva en lugar de compactar, porque los modelos actuales recuperan bien el estado desde archivos (progreso, tests, git log) si se les dice por dónde empezar.4

Por qué importa

  • Gestionar el contexto que ve el modelo es una de las dos funciones del arnés; la otra es darle herramientas.3
  • Un agente acumula resultados de herramientas e historial; sin curación, rinde peor a medida que la sesión se alarga.1
  • Separar lo que se carga siempre de lo que se carga bajo demanda ahorra ventana para el trabajo real.2

Cómo lo uso

  • CLAUDE.md de esta wiki (77 líneas): objetivo, qué leer antes de empezar, estructura y reglas. Es lo que se carga siempre.
  • .claude/rules/linea-editorial.md (233 líneas) lleva paths con fichas/**, plantillas/**, index.md y log.md. Solo ocupa ventana cuando trabajo con fichas; si toco scripts, no se carga.
  • handoff.md: un hook (aviso-tokens.sh) avisa al 60 % y al 80 % de la ventana; cómo cuenta, en tokens. Al 80 % escribo un handoff con objetivo, archivos tocados, decisiones y siguiente paso, y sigo con /clear. Es la técnica de notas estructuradas hecha a mano; hay handoffs guardados en docs/sesiones/ de varios proyectos, como ebooks.
  • Búsquedas amplias en subagentes, para que al hilo principal llegue solo el resumen. Más detalle de ahorro en ventana de contexto.

Véase también

Referencias

Footnotes

  1. Effective context engineering for AI agents. Anthropic (equipo de Applied AI), 2025-09-29. Consultado el 2026-10-09. ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14

  2. How Claude remembers your project. Anthropic, documentación de Claude Code. Consultado el 2026-10-09. ↩ ↩2

  3. How Claude Code works. Anthropic, documentación de Claude Code. Consultado el 2026-10-09. ↩ ↩2

  4. Prompting best practices. Anthropic, documentación de la API, apartado «Workflows across multiple context windows». Consultado el 2026-10-09. ↩

Graph View

Backlinks