El context engineering es la disciplina de decidir qué información ocupa la ventana de contexto, en qué orden y con qué jerarquía, para maximizar el rendimiento del modelo. No es prompt engineering —que se centra en cómo formular una instrucción concreta—: opera a nivel de sistema. Qué documentación incluir, cómo estructurar el historial, qué tools cargar, cuándo compactar, qué delegar a un subagente, qué persistir en AGENTS.md y qué dejar fuera. Es la diferencia entre que un agente funcione o no, porque el modelo no «recuerda»: relee todo en cada petición, y el contexto es un recurso finito que se degrada al llenarse (context rot, lost in the middle). Las palancas concretas son: limpiar el contexto con frecuencia, escribir system prompts concisos (no plegarias de 5.000 palabras), auditar las tools cargadas, asignar el modelo a la tarea (barato para leer, caro para razonar), y fijar quality gates deterministas (linters, tests) en vez de pedir al modelo que se valide a sí mismo. Cuando entiendes tokens, ventana, tools y agentes, estás en condiciones de hacer context engineering; sin esa base, son palabras vacías.
Antes de lanzar la tarea, haz context engineering: decide qué entra en la ventana de contexto y en qué orden. Para «<tu tarea>» dime qué documentación incluir, qué tools cargar, qué mover a un subagente y qué dejar fuera, y justifica cada decisión por lo que cuesta en tokens.
Fuentes en Web Reactiva
- Conceptos clave de los modelos de lenguaje que todo programador debería entenderpost2026-05-21
- Cómo ahorrar tokens en Claude Codepost2026-02-09
- Cómo construir agentes de IA: arquitectura, capas y orquestaciónPremium2026-03-17
- Errores comunes al construir un agente de IA (y cómo evitarlos)post2026-05-31
- Arquitectura de agentes de IA: componentes, capas y frameworks para developerspost2026-03-09
Momentos
salida estructurada JSON para que el siguiente agente de la cadena reciba el contexto en el formato que espera; la ventana de contexto como límite compartido entre orquestador y ejecutores · topics: salida estructurada, ventana de contexto, evaluaciones, llm as judge
el orquestador escribe trazas en lenguaje natural para que el siguiente agente tenga contexto de lo que pasó; debug en lenguaje natural como sustituto cutre de la observabilidad · topics: ficheros jsonl, orquestador de agentes, patrón workflow, debug en lenguaje natural
Artículo creado por Daniel Primo con ayuda de la IA en base a lo compartido en el podcast, vídeos y textos de Web Reactiva.