Última revisión:
¿Qué es el context engineering? Definición y diferencia con el prompt engineering
El context engineering (ingeniería de contexto) es la disciplina que consiste en elegir, en cada paso, el conjunto de informaciones colocadas en la ventana de contexto de un modelo de IA: instrucciones, documentos, historial, resultados de herramientas, memoria. Prolonga el prompt engineering: un prompt se escribe una vez, un contexto se gestiona de forma continua, sobre todo en agentes que trabajan en tareas largas.
El término se impone en junio de 2025. Tobi Lütke, director de Shopify, dice preferir «context engineering» a «prompt engineering»; el 25 de junio de 2025, Andrej Karpathy lo aprueba y lo describe como el delicado arte de llenar la ventana de contexto con exactamente la información adecuada para el paso siguiente. La idea: en una aplicación seria, la calidad de una respuesta depende menos de la formulación de la pregunta que de todo lo que el modelo tiene delante (consignas, extractos de documentos, ejemplos, herramientas disponibles, historial). El 29 de septiembre de 2025, Anthropic da una definición formal: el conjunto de estrategias para seleccionar y mantener el mejor conjunto de tokens durante la inferencia. El editor explica por qué es necesario: cuanto más se alarga el contexto, más baja la capacidad del modelo para recuperar una información precisa, un fenómeno que llama context rot. El contexto es un recurso limitado, con un «presupuesto de atención». Anthropic describe cuatro técnicas: la compactación (resumir el historial cuando se acerca el límite), la toma de notas estructurada fuera de la ventana, los subagentes con contexto propio y la recuperación «justo a tiempo» de los datos cuando el agente los necesita. El término inglés domina también en Francia, donde la traducción «ingénierie du contexte» se usa poco.
Ejemplo concreto
Caso ilustrativo (empresa ficticia). Un despacho de asesoría contable de 60 colaboradores, en Nantes, despliega un asistente que responde a las preguntas de los clientes sobre sus plazos fiscales. Primera versión: un prompt largo y todo el expediente del cliente cargado en cada pregunta. Las respuestas se degradan en los expedientes grandes, y la factura de tokens sube. El equipo revisa el contexto en lugar de la formulación: el asistente recibe un perfil corto del cliente (forma jurídica, régimen de IVA, fecha de cierre), busca solo los documentos útiles para la pregunta, y un resumen sustituye al historial más allá de diez mensajes. Las respuestas vuelven a ser precisas y el volumen de tokens por pregunta baja.
Comparación
| Criterio | Prompt engineering | Context engineering |
|---|---|---|
| Objeto | La redacción de las instrucciones | Todo lo que recibe el modelo: instrucciones, documentos, historial, herramientas, memoria |
| Momento | Se escribe una vez y se ajusta | Se gestiona en cada paso del intercambio o de la tarea |
| Caso típico | Pregunta puntual, tarea corta | Agente en una tarea larga, asistente conectado a datos |
| Técnicas | Consignas claras, ejemplos, formato de salida | RAG, resumen del historial, notas externas, subagentes, recuperación justo a tiempo |
| Riesgo si se descuida | Respuesta vaga o mal formateada | Calidad que se degrada, coste en tokens elevado, fuga de datos innecesarios |
Preguntas frecuentes
¿Qué es el context engineering?
Es el arte de elegir lo que el modelo de IA «ve» en cada paso: consignas, documentos, historial, resultados de herramientas. Ya no se busca solo la buena formulación, se construye el buen expediente de trabajo para el modelo, ni demasiado escaso ni demasiado cargado.
¿Cuál es la diferencia entre context engineering y prompt engineering?
El prompt engineering trata de la redacción de las instrucciones. El context engineering abarca todo lo que entra en la ventana de contexto, incluidos los documentos recuperados, la memoria y las herramientas, y lo gestiona de un paso a otro. Para una pregunta puntual basta el prompt; para un agente que trabaja mucho tiempo, el contexto pasa a ser el tema principal.
¿Por qué importa el context engineering para los agentes de IA?
Un agente encadena decenas de pasos y acumula resultados de herramientas. Sin selección, su ventana de contexto se llena y la calidad baja: Anthropic habla de context rot. Resumir, tomar notas fuera del contexto y delegar en subagentes mantiene un agente fiable en el tiempo.
¿Qué relación tiene con la ventana de contexto?
La ventana de contexto es la capacidad máxima de texto que el modelo puede tratar de una vez, medida en tokens. El context engineering decide su contenido. Una ventana grande no exime de seleccionar: más tokens cuestan más y pueden diluir la información útil.
¿Cómo se dice context engineering en español?
Se puede decir «ingeniería de contexto», pero el término inglés sigue siendo el más usado, también por los equipos técnicos. Ambos designan la misma práctica.
Ver también
Para profundizar
Fuentes
- Effective context engineering for AI agents, Anthropic, 29 de septiembre de 2025. https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
- Andrej Karpathy, publicación en X a favor de «context engineering», 25 de junio de 2025. https://x.com/karpathy/status/1937902205765607626
- Context engineering, Simon Willison, 27 de junio de 2025. https://simonwillison.net/2025/Jun/27/context-engineering/