Context engineering

É a prática de decidir o que entra na janela de contexto do modelo em cada chamada, e em que ordem: instruções, trechos recuperados de documentos, resultados de ferramentas, memória de interações anteriores e exemplos. Trata o contexto como um recurso escasso e valioso, que precisa ser curado, e não como um espaço onde se joga tudo o que está disponível. Inclui técnicas como compressão de informações, resumo de histórico longo e remoção do que deixou de ser relevante. Surgiu como evolução do prompt engineering à medida que os sistemas ficaram mais complexos, com RAG, ferramentas e agentes montando o prompt dinamicamente.

Em Produto, em qualquer sistema com RAG ou agentes, a qualidade das respostas depende mais do que está no contexto do que da redação do prompt. Um prompt perfeito com o documento errado produz uma resposta errada. Por isso, vale definir políticas explícitas: quantos trechos recuperados incluir, em que ordem, quando resumir o histórico da conversa, o que descartar. Essas políticas são decisões de produto, porque afetam qualidade, custo e latência. Também vale monitorar o tamanho e a qualidade do contexto como métricas do produto. Um contexto que cresce sem controle aumenta o custo e reduz a qualidade ao mesmo tempo.

Use context engineering quando o sistema monta o prompt dinamicamente, combinando várias fontes a cada chamada. Use prompt engineering quando o prompt é fixo ou muda pouco, e o trabalho é refinar as instruções. Use RAG para o mecanismo específico de recuperar documentos; context engineering decide o que fazer com o que foi recuperado. Uma forma simples de diferenciar: prompt engineering cuida de como pedir; context engineering cuida do que o modelo vê para responder.

Termo popularizado em 2025 (Tobi Lütke, Andrej Karpathy) para nomear a evolução do prompt engineering em sistemas com RAG, ferramentas e memória.

Anthropic, Effective context engineering for AI agents (2025); Karpathy, comentários públicos (2025)