Ingeniería de contexto: por qué importa y cómo hacerla bien
La ingeniería de contexto diseña todo lo que un modelo ve, no solo el prompt. Es lo que hace fiables a los agentes.
Traducción generada automáticamente con IA. La versión alemana es el original revisado por la redacción.
La fiabilidad de un agente de IA depende menos del modelo y más de lo que le pones delante. La ingeniería de contexto es la práctica de diseñar todo ese conjunto de información: el prompt de sistema, la memoria, las herramientas y los datos que recuperas, no solo la pregunta. En nuestra experiencia es la mayor palanca sobre si un agente funciona en producción, y es una disciplina distinta de la ingeniería de prompts (Context Engineering 2.0).
01. MÁS ALLÁ DEL PROMPT
La ingeniería de prompts afina la pregunta. La ingeniería de contexto diseña el entorno en el que decide el modelo. Para una tarea puntual, un buen prompt basta. Para un agente que corre a lo largo de muchos pasos, lee herramientas y arrastra memoria, el prompt es una parte pequeña de lo que el modelo ve. El resto, lo que recuperas, lo que recuerdas, qué herramientas expones y cómo, es contexto, y decide mucho más del resultado. Por eso extender un harness de agente es en su mayor parte trabajo de contexto.
02. LOS CUATRO FALLOS CONTRA LOS QUE DISEÑAR
La mayoría de los fallos de agente se remontan a uno de cuatro problemas de contexto:
- Sobrecarga de contexto. Demasiado en la ventana. El modelo pierde el hilo, y el coste y la latencia suben. Más contexto no es mejor contexto.
- Envenenamiento de contexto. Un hecho erróneo o desactualizado entra en la ventana y el modelo lo trata como verdad. Un solo fragmento recuperado malo puede descarrilar una respuesta.
- Gestión de tokens. La ventana es finita. Sin un plan de qué conservar y qué descartar, el detalle importante queda expulsado por el ruido.
- Memoria obsoleta. Los agentes de larga duración acumulan contexto que ya no aplica, y actúan sobre él.
Nombrar el fallo es la mitad de la solución. Cada uno tiene un contramovimiento concreto.
03. PRÁCTICAS QUE AGUANTAN
Unos pocos patrones se repiten en montajes que se mantienen fiables:
- Recupera, no viertas. Trae los pocos pasajes relevantes con buen retrieval en lugar de pegar todo. Ese es todo el sentido de RAG, y es la ingeniería de contexto aplicada a los datos.
- Poda sobre la marcha. Aplica edición basada en reglas dentro del andamiaje para mantener la ventana esbelta: descarta lo que un paso ya no necesita.
- Resume el historial largo. Reemplaza una transcripción larga por un resumen fiel antes de que desplace la tarea.
- Empieza simple, escala según necesidad. Añade memoria y herramientas solo cuando un fallo real las exija, no por defecto.
El instinto de añadir más es la trampa. La disciplina es la sustracción.
04. POR QUÉ ESTA ES LA INGENIERÍA DE VERDAD
Un modelo más grande rara vez arregla un problema de contexto; solo falla de forma más cara. El trabajo que lleva a un agente de demo a fiable es casi por completo trabajo de contexto: qué ve, cuándo, y qué se le hace olvidar. Para entradas muy largas la arquitectura del modelo también importa, y ahí entran los enfoques subcuadráticos, pero para la mayoría de los equipos la ganancia está en el contexto, no en los parámetros.
