- El context engineering diseña todo lo que el modelo recibe en cada paso: instrucciones, documentos, herramientas, memoria e historial, no solo la frase del prompt.
- Más contexto puede empeorar el resultado: el ruido, las versiones antiguas y las contradicciones reducen foco y encarecen cada llamada.
- RAG, memoria y herramientas necesitan prioridades y mantenimiento: recuperar, recordar y describir bien importa tanto como generar.
- Medir y aislar el contexto evita fallos difíciles de diagnosticar: archivos base breves, documentos bajo demanda, salidas filtradas y sesiones limpias ayudan a mantener la calidad.
El context engineering no consiste en pulir una frase para que el modelo responda mejor, sino en diseñar todo el ecosistema de información que el modelo tiene delante cuando trabaja. En un agente de IA, ese ecosistema incluye instrucciones, memoria, documentos recuperados, herramientas disponibles, historial de pasos, ejemplos, restricciones y salidas de sistemas externos. La ventana de contexto es finita, cambia y se degrada si no se gestiona, así que la pregunta importante deja de ser qué prompt escribo y pasa a ser qué necesita saber el modelo en este momento concreto.
La diferencia es de calado: un prompt brillante puede fracasar si el agente recibe datos contradictorios, documentos antiguos o herramientas mal descritas. Por eso esta disciplina se parece más a la arquitectura de un producto que a un truco de redacción. Más contexto no equivale a mejor contexto: muchas veces conviene meter menos, ordenar mejor y dejar fuera lo que solo añade ruido. Un agente que atiende incidencias no necesita toda la vida del cliente, sino los eventos relevantes, el estado actual, las reglas aplicables y una forma clara de saber cuándo debe escalar a una persona.
Qué significa exactamente context engineering

Un modelo de lenguaje trabaja con lo que está presente en su ventana de contexto en el momento de responder. No tiene memoria persistente por defecto entre sesiones, no conoce tu repositorio si no se lo das y no sabe en qué estado está tu proyecto si nadie se lo explica. Esa ventana es su único entorno real y, además, es limitada. Diseñar ese entorno de forma sistemática es la esencia del context engineering: decidir qué entra, en qué formato, con qué orden, con qué prioridad y cómo se actualiza con el paso de la tarea.
La idea se resume bien con una frase que circula mucho: no es una cadena de texto, es un sistema. El prompt engineering optimiza la pregunta; el context engineering optimiza las condiciones en las que se responde esa pregunta. Hay quien da un paso más y habla de ingeniería del arnés, que incluiría también aquello que actúa aunque el modelo no lo lea directamente, como un hook, un permiso, una validación automática o un test. Todo lo que compite por la atención del modelo forma parte del problema, y lo que no aporta también ocupa espacio.
El término se popularizó a mediados de 2025 en conversaciones entre fundadores e investigadores, y desde entonces no ha parado de crecer. Algunas consultoras lo han situado entre las tendencias estratégicas del año, porque cada vez hay más aplicaciones empresariales con agentes especializados. Con ese volumen de uso, escribir una buena instrucción una vez ya no basta: el contexto hay que diseñarlo como una capa más del sistema, con criterios de calidad, evaluación y mantenimiento.
Por qué un prompt brillante no salva un mal contexto

Cuando un proyecto de IA funciona en una demo y falla en producción, muchas veces el modelo no es el problema. En la demo, alguien ha preparado un contexto controlado: datos limpios, ejemplos escogidos y un caso sencillo. En producción, el agente recibe historiales largos, documentos duplicados, versiones viejas, herramientas ambiguas y usuarios que no siguen el guion. La diferencia no está tanto en la potencia del modelo como en la calidad del contexto que recibe en cada paso.
Piensa en un agente de soporte. Con prompt engineering escribirías algo como responde con empatía y resuelve el problema. Con context engineering empiezas a preguntarte de dónde salen el historial de compras, los tickets anteriores, el estado del pedido, la política de devoluciones y la señal que indica cuándo hay que pasar a una persona. Nada de eso se arregla cambiando una palabra del prompt. Se arregla diseñando fuentes, filtros y prioridades. Lo mismo ocurre con un agente que prepara informes: si no sabe qué tabla es la fuente de verdad o qué métricas están obsoletas, producirá informes muy bonitos y muy equivocados con total seguridad.
Una forma útil de ordenar el contexto es separarlo en cuatro capas: instrucciones, conocimiento, herramientas y memoria. Las instrucciones son las reglas que no cambian entre llamadas, como el tono o los límites de decisión. El conocimiento incluye documentos, políticas y catálogos que el agente consulta cuando hace falta. Las herramientas definen qué APIs, funciones o sistemas puede usar y con qué permisos. La memoria recoge lo ocurrido antes, dentro de la conversación y entre conversaciones distintas. El error típico es mezclar las cuatro capas en una bolsa de texto y enviarlo todo junto en cada llamada. Separarlas obliga a decidir, capa por capa, qué merece la pena cargar.
También conviene recuperar la idea de programación lingüística y compresión lingüística. Si el inglés se ha convertido en una especie de lenguaje de programación para muchas herramientas, quien construye agentes necesita cuidar las elecciones de palabras, la densidad de información y la claridad de las instrucciones. Comprimir bien no es escribir menos por escribir, sino reducir tokens manteniendo la máxima información útil. Un cuaderno de escritura con muestras de estilo, recursos y páginas de referencia puede servir como contexto externo para que el modelo produzca una salida más parecida a la voz de una persona concreta. Ese cuaderno no es magia: es un entorno preparado para que el modelo extraiga patrones.
Los componentes de un contexto bien montado

Instrucciones persistentes y contrato de comportamiento
El archivo de instrucciones del proyecto, ya se llame AGENTS.md, CLAUDE.md o de otra forma, es uno de los artefactos más importantes. No debería ser un prompt larguísimo, sino un documento vivo que recoja convenciones, stack técnico, decisiones de arquitectura, reglas de commits, rutas relevantes y restricciones. Cuando un agente nuevo empieza a trabajar, ese archivo es su primer contrato de comportamiento. Un archivo de doscientas líneas activas puede ser razonable si cada línea aporta algo, pero también puede convertirse en un cajón de sastre que nadie poda.
Especificaciones como contexto estructurado
Una especificación de tarea funciona como un contrato de contexto: qué debe hacer el agente, cómo debe hacerlo, qué criterios de aceptación existen y qué restricciones aplican. Sustituir instrucciones verbales por especificaciones explícitas reduce la ambigüedad y, de paso, reduce ciclos de corrección. Escribir especificaciones no es burocracia: es una forma de context engineering aplicada al trabajo diario. Una revisión posterior puede verificar si la salida se ajusta a lo pactado, y así se separa el contexto de entrada de la validación de fidelidad.
Herramientas, MCP y datos en tiempo real
Las herramientas amplían lo que un agente puede hacer: ejecutar código, consultar bases de datos, llamar a APIs o manipular archivos. Los MCP, o protocolos de contexto de modelo, añaden una capa dinámica para que el agente consulte datos reales en lugar de suponerlos. Un agente de posicionamiento puede leer métricas actuales de búsqueda; un agente de desarrollo puede consultar documentación actualizada de una librería. La diferencia entre trabajar con datos y trabajar con suposiciones es enorme, sobre todo cuando el estado del mundo cambia rápido.
Historial, memoria y sincronización entre agentes
Cuando varios agentes participan en fases distintas de un proyecto, necesitan un mecanismo de sincronización. Los archivos de sesión, las notas compartidas o una memoria persistente permiten que el siguiente agente no empiece de cero. Aun así, la memoria necesita jerarquía y caducidad. No es lo mismo recordar que alguien trabaja en un proyecto que asumir que una prioridad antigua sigue vigente. Separar memoria estable, memoria temporal y contexto de tarea evita que el agente arrastre supuestos caducados.
Aislamiento de contexto por tarea
Los worktrees de Git son un buen ejemplo de aislamiento: cada tarea tiene su propio directorio, su rama y su estado, de modo que el agente que trabaja en una funcionalidad no contamina el contexto de otra. Los hooks actúan como guardarraíles cuando un agente intenta tocar algo que no le corresponde. No es solo seguridad: es una forma de garantizar que cada agente opera con el contexto que le toca y no con una mezcla caótica de tareas.
Herramientas: mucho más que funciones sueltas
Cada herramienta necesita una descripción con nombre, finalidad, parámetros, tipos y ejemplos de uso. Esa descripción ocupa espacio en la ventana de contexto. Cuando una biblioteca crece hasta cien herramientas, un agente puede dedicar entre el treinta y el cuarenta por ciento de su ventana solo a describir capacidades antes de empezar la tarea real. La sobrecarga del contexto de herramientas es un problema de diseño, no un detalle menor.
- Descripciones concisas pero sin ambigüedad: propósito claro, parámetros obligatorios con tipos y un ejemplo canónico que resuelva dudas.
- Herramientas componibles: funciones pequeñas y enfocadas se combinan mejor que herramientas monolíticas que intentan cubrir demasiados escenarios.
- Categorías o espacios de nombres: permiten carga selectiva, de modo que un agente financiero no arrastre herramientas de imágenes que no necesita.
- Filtrado de resultados: devolver lo esencial, no volcados crudos. Una consulta debería responder con un resumen útil, no con un conjunto enorme de filas SQL.
- Gestión de errores en la descripción: enseñar al agente cómo recuperarse de fallos evita que propague errores por toda la cadena.
La búsqueda agencial es una herramienta especializada que merece mención aparte. Funciona como un subagente que explora en su propio contexto aislado, traduce una petición a una consulta precisa, encuentra datos y devuelve un resumen compacto al agente principal. Así mantiene limpia la memoria de trabajo y evita llenar la ventana principal con pasos intermedios que ya no aportan.
Los flujos de trabajo específicos de dominio son cadenas de herramientas predefinidas y deterministas para procesos empresariales donde importa más la fiabilidad que la exploración. Por ejemplo: verificar identidad, comprobar historial, validar requisitos regulatorios, calcular riesgo y generar un informe. Cada paso tiene criterios de éxito, gestión de errores y procedimientos de reversión. La rigidez es intencionada: protege operaciones críticas de la variabilidad del razonamiento libre. Se suelen implementar con máquinas de estados o grafos acíclicos dirigidos, donde el modelo aporta flexibilidad en partes concretas y la lógica determinista controla el flujo general. El precio es que pierden adaptabilidad ante casos límite que se salen del camino previsto.
El descubrimiento dinámico de herramientas ataca la proliferación de funciones. En lugar de enumerar cientos de descripciones en el prompt del sistema, el agente consulta un registro mediante búsqueda semántica y recupera solo tres o cinco herramientas relevantes para la tarea. Las capacidades permanecen en almacenamiento externo hasta que se necesitan, y la atención del modelo se concentra en lo aplicable. Protocolos como MCP estandarizan este patrón con registros donde se pueden descubrir e invocar herramientas. Ahora bien, el descubrimiento añade latencia y exige descripciones muy bien cuidadas para que el agente no elija herramientas subóptimas o se meta en callejones sin salida.
RAG, memoria e instrucciones: dónde suele romperse
El RAG puede mejorar mucho una aplicación porque permite consultar información externa antes de responder. El problema aparece cuando se asume que recuperar documentos equivale a aportar buen contexto. Un sistema mal ajustado puede traer duplicados, versiones antiguas, fragmentos larguísimos o textos que comparten palabras con la consulta pero no responden a la intención. La calidad depende del troceado, los metadatos, el orden y la evaluación de cada fragmento. Un agente que resuelve una incidencia no necesita diez textos parecidos; necesita el procedimiento vigente, la excepción aplicable y el dato que conecta con el caso.
La memoria tiene un riesgo parecido. Recordar preferencias, decisiones previas o restricciones del proyecto mejora la experiencia, pero acumular datos sin jerarquía puede arrastrar conclusiones antiguas y suposiciones que ya no valen. El peligro aumenta cuando se mezclan hechos, preferencias, estados temporales y resúmenes generados por el propio modelo. Una memoria sin criterios de actualización y caducidad puede hacer que el agente responda con mucha seguridad sobre una base equivocada.
Las instrucciones y las herramientas también se contradicen con facilidad. Si el sistema dice una cosa, la regla de negocio dice otra y la descripción de una herramienta sugiere un tercer camino, el modelo intentará obedecer todo a la vez y dará una respuesta que no satisface bien ninguna regla. Una herramienta puede estar bien construida técnicamente y, aun así, estar mal descrita para el agente. Si no queda claro cuándo usarla, qué parámetros necesita o cómo interpretar su salida, se llamará en momentos incorrectos o se ignorará cuando sería necesaria.
| Síntoma del agente | Posible fallo de contexto | Acción recomendada |
|---|---|---|
| Respuesta vaga | Información demasiado general o poco conectada con la tarea | Recuperar fragmentos más específicos y añadir criterios de respuesta |
| Respuesta contradictoria | Instrucciones, documentos o memorias incompatibles | Definir prioridades y retirar versiones obsoletas |
| Alucinación | Falta información crítica y el agente rellena huecos sin evidencia | Forzar citas, límites de respuesta y reconocimiento de incertidumbre |
| Uso incorrecto de herramienta | Descripción pobre o condiciones de uso poco claras | Mejorar propósito, parámetros, ejemplos y criterios de activación |
| Pérdida de objetivo | Demasiado historial o contexto secundario compitiendo con la tarea | Resumir, recortar y separar contexto de sesión y contexto de tarea |
| Respuesta desactualizada | RAG con contenido antiguo o memoria con supuestos caducados | Usar metadatos, fechas, caducidad y reglas de actualización |
Diseñar contexto útil: seleccionar, ordenar y priorizar
El primer criterio es seleccionar. Antes de añadir información, conviene preguntarse qué necesita el agente para resolver la tarea actual. Un asistente que revisa un contrato no necesita toda la base documental de la empresa, sino las cláusulas relevantes, la versión vigente, los criterios legales aplicables y el objetivo de la revisión. El contexto mínimo útil suele ser más pequeño de lo que parece y, además, más fácil de evaluar.
El segundo criterio es ordenar. Los modelos no procesan el contexto como una base de datos perfecta. La posición, la claridad y la proximidad entre instrucciones y datos influyen en la respuesta. Las instrucciones críticas, las restricciones y los datos recuperados deben aparecer con una jerarquía explícita, no mezclados en un bloque interminable. Una regla importante rodeada de ruido puede quedar diluida aunque esté escrita con claridad.
El tercer criterio es priorizar. Si hay información de distinta calidad, fecha o autoridad, el agente necesita saber qué pesa más. Un procedimiento vigente debe prevalecer sobre una conversación antigua. Una regla del sistema debe estar por encima de una preferencia ocasional del usuario. Sin prioridades, el contexto puede parecer completo y seguir siendo ambiguo para el modelo.
La trazabilidad es la herramienta para depurar sin adivinar. Si una respuesta es pobre, hay que saber qué documentos recuperó el RAG, qué memoria estaba activa, qué herramientas se llamaron, qué instrucciones estaban presentes y qué fragmentos influyeron. No hace falta montar un sistema enorme desde el primer día: basta con registrar fuentes, puntuaciones de relevancia, versiones, llamadas y un resumen del contexto enviado. Así se distingue si falló la recuperación, el ruido, una instrucción contradictoria o una herramienta mal usada.
Contexto que se degrada: el enemigo silencioso

Cuando la ventana se llena, el rendimiento puede caer aunque el modelo siga pareciendo competente. Es el fenómeno del context rot: demasiada información hace que el modelo se distraiga, confunda datos irrelevantes, repita errores o no sepa razonar con piezas contradictorias. La calidad del contexto importa más que la cantidad, y eso se nota especialmente en sesiones largas donde las instrucciones iniciales quedan enterradas bajo decenas de mensajes.
Los estudios sobre contextos largos han repetido un patrón incómodo. En pruebas con dieciocho modelos, el rendimiento bajó a medida que crecía la entrada, incluso en tareas sencillas. En otras pruebas, once de trece modelos quedaron por debajo de la mitad de su rendimiento habitual cuando la pregunta y la respuesta no compartían palabras y el contexto llegaba a treinta y dos mil tokens. Con quinientas instrucciones a la vez, el mejor modelo cumplía alrededor del sesenta y ocho por ciento, y las primeras instrucciones se respetaban más que las últimas. En conversaciones largas, una versión enfocada de unos trescientos tokens superó al historial completo de más de cien mil. Meterlo todo a las bravas suele salir caro en dinero, latencia y precisión.
También hay datos sobre archivos de instrucciones para agentes de código. Los AGENTS.md generados automáticamente por un modelo no mejoraron la tasa de éxito y encarecieron cada tarea entre un veinte y un veintitrés por ciento. Los escritos por desarrolladores subieron algo más de dos puntos, una diferencia que no siempre resulta significativa, con hasta un diecinueve por ciento más de coste. En cambio, un buen índice de documentación dentro del archivo llevó a un agente al cien por cien en una evaluación, frente al cincuenta y tres por cien sin documentación. Y hay técnicas que mejoran resultados cuando el contexto es bueno y crece con la experiencia. El problema está en lo que no aporta, no en el tamaño por sí solo.
En sesiones largas, el modelo tiende a dar más peso a lo reciente y menos a las instrucciones iniciales. Las convenciones del proyecto empiezan a perderse, los criterios de aceptación quedan enterrados y el agente sigue trabajando, pero produce salidas que se desvían del estándar. Eso es contexto corrupto. No es un fallo misterioso del modelo, sino una consecuencia de una ventana finita mal gestionada. Poner un límite de ciclos de revisión o hacer un reinicio limpio con una especificación bien estructurada puede ser más eficaz que pedir al agente que recuerde algo que ya está diluido. El vibe coding, con instrucciones verbales y sin specs ni historial estructurado, funciona para tareas simples, pero colapsa cuando el proyecto se complica.
Mapas, documentos y mediciones que evitan sustos
El archivo de instrucciones que el agente lee siempre debería funcionar como un mapa: qué es el proyecto, cómo se comprueba, dónde está cada cosa, qué leer antes de cada tipo de tarea y las pocas reglas que valen para todo. El detalle va en otros documentos que el agente abre cuando hacen falta. Como referencia práctica, entre treinta y cincuenta líneas es un buen punto de partida; hacia las ciento cincuenta empieza a ser demasiado grande. En una muestra de cientos de repositorios públicos, la mitad de los archivos tenía menos de ciento once líneas y más de uno de cada cuatro pasaba de doscientas. Más que el número exacto, importa que cada línea aporte y que no haya contradicciones entre archivos anidados.
Las mediciones con agentes de código ayudan a aterrizar el problema. En una prueba, Claude Code arrancaba con unos treinta y siete mil seiscientos cincuenta y siete tokens antes de que el usuario escribiera nada, casi todos dedicados a definir sus herramientas. Codex arrancaba entre quince mil cuatrocientos y diecisiete mil novecientos, y OpenCode 2.2.6 con unos seis mil ciento cuatro. Cada línea del AGENTS.md se paga en cada petición: en Claude Code, unas treinta y una unidades por línea; dos mil quinientas líneas añadían setenta y ocho mil seiscientos tokens. Codex, además, cortaba el archivo a partir de treinta y dos KiB sin avisar en la versión probada. Si las reglas importantes están al final de un archivo enorme, puede que nunca lleguen al modelo.
El uso de la arroba para importar documentos también tiene trampa. En Claude Code, una ruta escrita con arroba carga el archivo al arrancar; escrita en texto plano, deja que el agente lo lea cuando lo necesite. En una prueba, importar la documentación con arroba subió el contexto inicial un cuarenta y ocho por ciento, con unos dieciocho mil seiscientos cincuenta y cuatro tokens de diferencia. Usar arroba solo para lo que hace falta en todas las tareas es una decisión sensata. Y ojo con detalles tontos: si la ruta lleva un punto o una coma pegados, la importación puede fallar sin avisar. También conviene tener un solo archivo base y enlazarlo desde otras herramientas para no mantener dos versiones que acaben diciendo cosas distintas.
En una sesión de trabajo, lo que más crece suele ser la salida de las herramientas. Un cat de un archivo grande, un test que imprime cuatrocientas líneas o un git log sin límite se quedan en el contexto y se arrastran en cada petición siguiente. En algunas ejecuciones, entre el sesenta y cinco y el ochenta y siete por ciento de lo acumulado fueron salidas de herramientas. Pedir respuestas cortas y resumidas es una medida sencilla: límites en las búsquedas, tests que digan qué falla sin volcar todo y registros de Git con formato compacto. Las skills cargan solo su nombre y descripción hasta que se usan, y los MCP modernos dejan las definiciones en espera, pero lo que devuelven al ejecutarse sigue siendo la parte que más pesa.
Cuando la ventana se llena, el agente compacta: resume la conversación y continúa con ese resumen. Claude Code lo hace cerca del límite y Codex al noventa por ciento de la ventana, aproximadamente. Compactar tiene un coste porque el resumen decide qué se pierde. Hay alternativas más baratas, como enmascarar salidas antiguas en lugar de resumirlas con un modelo. En pruebas comparativas, enmascarar costó la mitad con el mismo éxito y resumir alargó las sesiones. Guardar el estado en el repositorio, con un archivo de progreso y commits pequeños, permite abrir una sesión nueva sin perder el hilo. La validación conviene hacerla en una sesión limpia para que no herede las conclusiones de la sesión que escribió el código.
Los subagentes son otra herramienta de aislamiento: trabajan con su propia ventana y devuelven solo un resumen. Si hay que buscar en todo el código, leer cuarenta archivos o revisar un log enorme, el subagente se queda con el ruido y al contexto principal llegan entre mil y dos mil tokens. Ahora bien, tienen coste: un sistema multiagente puede gastar quince veces más tokens que un chat. Además, repartir una tarea entre agentes que no comparten contexto puede producir decisiones que chocan. Suelen ir bien para investigar en paralelo, aislar contextos muy pesados o revisar con criterios concretos; pierden cuando la tarea es secuencial y depende de un hilo común. Usarlos como cadena fija de especialistas no siempre compensa.
Un experimento con un proyecto pequeño de reservas comparó tres estrategias: un AGENTS.md de treinta y siete líneas que apuntaba a documentos, un archivo de seiscientas setenta y cuatro líneas con toda la documentación dentro y una versión sin AGENTS.md. Con cuarenta y un kilobytes de documentación, las sesenta y tres ejecuciones pasaron los tests ocultos y no hubo diferencias de acierto entre estrategias. La diferencia estuvo en el coste. Codex gastó menos con el mapa en las tres tareas, mientras que Claude Code no ahorró nada porque leyó casi toda la documentación al empezar. OpenCode varió mucho según la tarea. El mapa compensa cuando la documentación crece y en los primeros pasos de tareas cortas, pero no esperes que un agente frontera lea menos si tiene los documentos a mano. La caché abarata lo que se repite al principio, aunque no arregla la atención: los tokens siguen ahí compitiendo con lo importante.
Errores frecuentes y cómo atajarlos
- Convertir el AGENTS.md en un cajón de sastre: cada fallo añade una regla y nadie quita ninguna. En un estudio con miles de repositorios, el número de instrucciones crecía de media más del doble a lo largo del tiempo y casi nunca se podaba.
- Importar con arroba lo que podría leerse bajo demanda: cada petición carga documentos que la tarea no necesita y el contexto arranca más pesado.
- Pegar toda la documentación dentro del archivo base: el agente la lee siempre, aunque no haga falta, y en algunos entornos puede quedar fuera del límite sin que nadie se entere.
- Dejar que las herramientas vuelquen salidas enteras: un test verboso o un log sin filtrar se quedan en la sesión el resto del día.
- Compactar sin guardar antes el estado: si lo importante solo estaba en la conversación, el resumen decide si sobrevive.
- Generar el archivo de instrucciones con un comando y no revisarlo: los generados automáticamente no mejoraron el resultado en las pruebas y encarecieron cada tarea.
- Confiar en que el agente ha leído una regla: si importa de verdad, que la compruebe un test, un hook o una validación automática.
- Dar cuarenta herramientas cuando bastan cinco: más opciones no siempre mejoran la decisión; a veces solo añaden ambigüedad.
- Guardar todo en memoria de largo plazo: los intercambios triviales y los datos caducados también ocupan espacio y pueden confundir.
Para empezar, elige el agente que más falla hoy, audita qué contexto recibe y qué contexto necesitaría de verdad, y cambia una cosa cada vez. Mide si baja la tasa de error y repite el ciclo con el siguiente. Un agente pequeño con un caso de uso real enseña más que diez artículos teóricos, porque te obliga a enfrentarte a documentos sucios, instrucciones que se contradicen y herramientas que devuelven demasiado. No intentes rediseñar diez agentes el mismo mes; empieza por uno y aprende con evidencia.
Diseñar el contexto de un agente es, al final, decidir qué merece la pena que el modelo sepa en cada momento y qué debe quedar fuera para que no estorbe. Las instrucciones persistentes, las especificaciones, las herramientas bien descritas, la memoria con caducidad, la trazabilidad y una evaluación constante convierten una caja negra en un sistema más predecible. La ventana de contexto no es un almacén donde meter todo lo que tenemos, sino un espacio de trabajo que hay que preparar con criterio. Menos ruido, mejores fuentes y prioridades claras suelen mejorar más el resultado que cambiar de modelo a la primera de cambio.
Preguntas frecuentes
¿Qué diferencia hay entre context engineering y prompt engineering?
El prompt engineering trabaja la instrucción concreta que se envía al modelo en una llamada. El context engineering diseña todo el entorno informativo que rodea esa llamada: documentos, memoria, herramientas, historial y prioridades. En un agente, el prompt es solo una pieza pequeña del contexto total.
¿Por qué más contexto puede empeorar la respuesta de un agente?
Porque el modelo tiene que competir con información irrelevante, duplicada o contradictoria que ocupa atención y tokens. A partir de cierto punto, añadir datos reduce precisión, encarece la llamada y puede hacer que el agente pierda el objetivo principal. La calidad y el orden importan más que el volumen.
¿Qué es el context rot y cómo se nota en una sesión larga?
El context rot es la degradación del rendimiento cuando el contexto crece con ruido o información poco útil. Se nota cuando el agente olvida convenciones iniciales, mezcla versiones antiguas, responde de forma vaga o se desvía del estándar del proyecto. Hacer resets limpios y guardar el estado fuera de la conversación ayuda a controlarlo.
¿Qué debe incluir un buen AGENTS.md para un agente de código?
Debe funcionar como un mapa breve con el propósito del proyecto, cómo se comprueba, dónde está cada documento y qué reglas valen para casi todas las tareas. El detalle conviene dejarlo en archivos que el agente abra bajo demanda. También es importante evitar contradicciones entre archivos anidados y revisar el tamaño que soporta cada herramienta.
¿Conviene meter toda la documentación dentro del contexto del agente?
No suele ser buena idea salvo que sea poca documentación y se necesite en casi todas las tareas. Meterla toda encarece cada petición, añade ruido y en algunos agentes puede superar límites de lectura. Un índice claro con documentos bajo demanda suele dar mejor equilibrio entre coste y resultados.
¿Cómo se evita que la memoria del agente arrastre datos antiguos?
La memoria debe separar información estable, datos temporales y contexto de tarea, con criterios de caducidad y actualización. No conviene mezclar hechos, preferencias y conclusiones generadas por el propio modelo sin jerarquía. Así se reduce el riesgo de aplicar supuestos que ya no son válidos.
¿Qué papel tienen las herramientas y los MCP en el contexto de un agente?
Las herramientas permiten actuar sobre sistemas externos y consumen contexto mediante sus descripciones y resultados. Los MCP aportan datos actualizados en tiempo real, lo que reduce suposiciones y alucinaciones. Aun así, conviene cargar solo las herramientas necesarias y filtrar las salidas para que no llenen la ventana.
¿Cuándo interesa usar subagentes o empezar una sesión nueva?
Los subagentes resultan útiles para investigar en paralelo, aislar contextos pesados o revisar con criterios concretos. Una sesión nueva conviene cuando cambias de tarea o vas a validar algo, siempre que hayas guardado el estado en el repositorio. Así evitas arrastrar historial que no aporta al nuevo objetivo.
Índice
- 1 Qué significa exactamente context engineering
- 2 Por qué un prompt brillante no salva un mal contexto
- 3 Los componentes de un contexto bien montado
- 4 Herramientas: mucho más que funciones sueltas
- 5 RAG, memoria e instrucciones: dónde suele romperse
- 6 Diseñar contexto útil: seleccionar, ordenar y priorizar
- 7 Contexto que se degrada: el enemigo silencioso
- 8 Mapas, documentos y mediciones que evitan sustos
- 9 Errores frecuentes y cómo atajarlos
- 10 Preguntas frecuentes