Context engineering: waarom het telt en hoe u het goed doet
Context engineering ontwerpt alles wat een model ziet, niet alleen de prompt. Het is wat agenten betrouwbaar maakt.
Vertaling automatisch gegenereerd met AI. De Duitse versie is het redactioneel gecontroleerde origineel.
De betrouwbaarheid van een AI-agent hangt minder af van het model dan van wat u het voorlegt. Context engineering is de praktijk waarbij u die hele hoeveelheid informatie vormgeeft: de systeemprompt, het geheugen, de tools en de data die u ophaalt, niet alleen de vraag. Naar onze ervaring is het de grootste afzonderlijke hefboom voor de vraag of een agent in productie werkt, en het is een andere discipline dan prompt engineering (Context Engineering 2.0).
01. VOORBIJ DE PROMPT
Prompt engineering stemt de vraag af. Context engineering vormt de omgeving waarin het model beslist. Voor een eenmalige taak volstaat een goede prompt. Voor een agent die over veel stappen loopt, tools uitleest en geheugen meedraagt, is de prompt slechts een klein deel van wat het model ziet. De rest, wat u ophaalt, wat u onthoudt, welke tools u hoe vrijgeeft, is context, en die bepaalt veel meer over het resultaat. Daarom is het uitbreiden van een agentische harness overwegend contextwerk.
02. DE VIER FAALPATRONEN WAARTEGEN MEN ONTWERPT
De meeste agentfouten zijn terug te voeren op een van vier contextproblemen:
- Contextoverbelasting. Te veel in het venster. Het model verliest de draad, en kosten en latentie stijgen. Meer context is niet betere context.
- Contextvergiftiging. Een onjuist of verouderd feit belandt in het venster, en het model behandelt het als waarheid. Eén enkel slecht opgehaald fragment kan een antwoord laten ontsporen.
- Tokenbeheer. Het venster is eindig. Zonder een plan voor wat te behouden en wat te verwerpen, wordt het belangrijke detail verdrongen door ruis.
- Verouderd geheugen. Langlopende agenten verzamelen context die niet meer geldig is, en handelen daarnaar.
Het falen benoemen is de halve oplossing. Elk heeft een concrete tegenzet.
03. PRAKTIJKEN DIE STANDHOUDEN
Een paar patronen keren terug in opzetten die betrouwbaar blijven:
- Ophalen, niet afladen. Haal de enkele relevante passages op met goede retrieval, in plaats van alles erin te kopiëren. Dat is de hele zin van RAG, en het is context engineering toegepast op data.
- Doorlopend snoeien. Pas regelgebaseerde bewerking toe in het raamwerk om het venster slank te houden: verwerp wat een stap niet meer nodig heeft.
- Lange geschiedenissen samenvatten. Vervang een lang transcript door een getrouwe samenvatting voordat het de taak verdringt.
- Eenvoudig beginnen, indien nodig opschalen. Voeg geheugen en tools alleen toe als een echt falen daarom vraagt, niet standaard.
Het instinct om meer toe te voegen is de valkuil. De discipline is het weglaten.
04. WAAROM DIT HET WERKELIJKE ENGINEERING IS
Een groter model lost een contextprobleem zelden op; het faalt alleen duurder. Het werk dat een agent van demo naar betrouwbaarheid brengt, is bijna uitsluitend contextwerk: wat hij ziet, wanneer, en wat hij moet vergeten. Bij zeer lange invoer telt ook de modelarchitectuur, en daar komen subkwadratische aanpakken in beeld, maar voor de meeste teams zit de winst in de context, niet in de parameters.
