Ingeniería de contexto

Un LLM trabaja con dos cosas: lo que aprendió en el entrenamiento y lo que tiene en su ventana de contexto en este momento. La ingeniería de contexto (context engineering) es el trabajo de decidir qué entra en esa ventana en cada paso: las instrucciones, los documentos que importan, la conversación hasta ahora, la descripción de las herramientas, los resultados de las herramientas que ya usó. El término se popularizó en 2025 como un primo más amplio de la ingeniería de prompts, que se concentra en redactar bien un pedido puntual.

Importa sobre todo en los agentes de IA que trabajan durante muchos pasos. Cada resultado de una herramienta, cada archivo y cada mensaje se van apilando, y aunque la ventana de contexto sea enorme, más no es mejor: a medida que se llena, el modelo se vuelve más lento y más caro, y puede perder de vista detalles enterrados en el medio. Un agente bien armado mantiene su contexto liviano y al grano.

Las técnicas más comunes: traer solo los pedazos relevantes con RAG o una búsqueda en vez de pegar documentos enteros; resumir o compactar los turnos viejos de la conversación; dejar que el agente tome notas en un archivo y las vuelva a leer después; darle a un subagente su propio contexto limpio para una tarea aparte y quedarse solo con su resumen; cargar las instrucciones detalladas de una herramienta recién cuando hacen falta. La pregunta que guía todo es siempre la misma: ¿cuál es la menor cantidad de información que le permite al modelo hacer bien este paso?