# Ingeniería de contexto

> Elegir qué entra en el contexto de un modelo para que tenga lo justo y necesario.

- Nivel: Intermedio
- Temas: IA
- URL: https://tidbit.legios.com.ar/es/context-engineering/
- En inglés: [Context engineering](https://tidbit.legios.com.ar/context-engineering/)

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?

## Una analogía

Ponerla al tanto a una cirujana antes de operar. No le das la historia de vida completa del paciente; le das los estudios, las alergias y el plan de hoy, bien ordenados. Si le das poco, tiene que adivinar; si le das de más, la línea que importa se pierde.

## Para quedarse

- Decide qué instrucciones, datos e historial ve el modelo en cada paso.
- Más contexto no siempre es mejor: cuesta plata, tiempo y atención.
- Técnicas clave: búsqueda, resúmenes, notas y subagentes.
- La ingeniería de prompts cuida la redacción; la de contexto, todo lo que entra.

## Para seguir leyendo

- [Effective context engineering for AI agents, de Anthropic (en inglés)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
- [Context engineering en Wikipedia (en inglés)](https://en.wikipedia.org/wiki/Context_engineering)

## Términos relacionados

- [LLM](https://tidbit.legios.com.ar/es/llm/): Una red neuronal entrenada con muchísimo texto para predecir la próxima palabra.
- [Entrenamiento e inferencia](https://tidbit.legios.com.ar/es/training-and-inference/): Entrenar construye el modelo una vez; inferir es usarlo, millones de veces por día.
- [Ventana de contexto](https://tidbit.legios.com.ar/es/context-window/): Cuánto texto puede tener en cuenta un modelo de IA a la vez, medido en tokens.
- [Ingeniería de prompts](https://tidbit.legios.com.ar/es/prompt-engineering/): Escribir instrucciones para un modelo de IA de forma que te dé lo que necesitás.
- [Agente de IA](https://tidbit.legios.com.ar/es/ai-agent/): Un LLM que puede actuar, mirar el resultado y seguir hasta terminar la tarea.
- [RAG](https://tidbit.legios.com.ar/es/rag/): Dejar que el modelo busque en tus documentos antes de responder.
- [Sistema multiagente](https://tidbit.legios.com.ar/es/multi-agent-system/): Varios agentes de IA que se reparten un trabajo, cada uno con su rol y sus herramientas.