Ingeniería de contexto: corta el ruido
La sesión es enorme y el agente se vuelve lento, vago y caro. ¿Y ahora qué?
La idea que hay dentro
La ingeniería de contexto es decidir qué llega a ver el modelo. Cuando la ventana se llena de ruido, límpiala, compáctala o empieza de cero; lo que descartes puede recargarse, así que es seguro.
Después de esta lección
Puedes hacer ingeniería de contexto básica: decidir cuándo limpiar, compactar o abrir una sesión nueva, y qué sobrevive a cada una, para que el modelo vea señal, no ruido.
Adónde lleva
Pero reenviar todo ese contexto en cada turno suena caro, a menos que lo guardes en cache.
Dentro de esta lección
Ese es el escenario real de la lección, en pausa. Reclama tu pase para operarlo.
Mira cómo funciona la IA de verdad, de principio a fin.
Esta lección es solo una parada del arco completo. Desbloquéalo todo y consérvalo de por vida.
Lo que obtienes
- El camino principal de 34 lecciones, una ruta que sí se termina, de una palabra a los agentes
- Rutas por objetivo para usar IA en el trabajo y construir funciones con IA
- Labs de jefe que te hacen aplicar un acto entero, no solo reconocerlo
- Repaso espaciado que trae cada idea de vuelta antes de que la olvides
- Memoria del curso: cada término definido, con enlaces a donde aparece por primera vez
- Una tarjeta de capacidades para compartir cuando termines el camino principal
- Acceso de por vida en cualquier dispositivo, con todas las lecciones futuras incluidas
No son videos para mirar. Predices, operas la máquina y luego lo demuestras. Por eso se queda.
99 lecciones y retos interactivos. Sin videos, sin código.
Pase de lanzamiento gratis: acceso de por vida, sin tarjeta
¿Nuevo por aquí? Las primeras lecciones son gratis para probar. Empieza con la lección 0.1
Qué muestra esta lección
La ingeniería de contexto es decidir qué llega a ver el modelo. Cuando la ventana se llena de ruido, límpiala, compáctala o empieza de cero; lo que descartes puede recargarse, así que es seguro.
La pregunta con la que abre
La sesión es enorme y el agente se vuelve lento, vago y caro. ¿Y ahora qué?
El recorrido, en palabras de la propia lección
- Añade unos turnos. Primero adivina qué le pasa a la calidad de la respuesta.
- Tu sesión está enorme, lenta y vaga. ¿Qué haces?
- Prueba cada jugada. Observa la barra, el medidor de calidad y qué sobrevive.
- Suelta el ruido, conserva la señal, reinicia cuando un hilo termina.
- Antes de llenarla más de la mitad: ¿qué le pasa a la calidad de la respuesta del agente?
- Exacto, cae, no se rompe. Las respuestas se vuelven más vagas y menos precisas, incluso en tareas fáciles. Añade turnos y observa.
- Ni se mantiene alta ni se desploma a cero, cae en silencio: más vaga, menos precisa, incluso en tareas fáciles. Añade turnos y observa.
- La context window es un presupuesto fijo, no memoria: system prompt + herramientas + todo el historial del chat + archivos + tu mensaje, en cada turno. A medida que se llena, el modelo se vuelve más lento, más caro, y menos preciso. Anthropic lo llama context rot, la misma caída que viste en 5.4, ahora dentro de una sesión de agent.
- Las respuestas son vagas y cada turno cuesta más. ¿Qué jugada conserva tu progreso pero encoge la ventana?
- Los estudios encuentran que los modelos recuerdan mejor el inicio y el final de una ventana larga que el medio, el efecto "lost in the middle". Un contexto más corto y enfocado mantiene lo que importa donde el modelo presta más atención.
- Podar es seguro: los archivos y CLAUDE.md, el archivo de notas propio del agent (lo conocerás bien en 6.16), viven FUERA de la ventana y se recargan cuando hacen falta. Solo el chat en vivo desaparece, el modelo siempre puede releer lo que necesite.
- La ingeniería de contexto es todo el trabajo de decidir qué llena la ventana: las instrucciones, tu petición, los documentos recuperados, la memoria, los resultados de las herramientas y la conversación hasta ahora. El modelo solo puede razonar sobre lo que está en la ventana, así que lo que pones ahí es la verdadera palanca. Cortar el ruido es un movimiento. Dejar que un agent traiga su propio context (próximo acto) es otro.
- Ya avanzada una sesión larga con un agent, las respuestas se vuelven vagas y empiezan a olvidar cosas que dijiste antes. ¿Por qué decae la calidad de las respuestas y qué conviene hacer?
- A medida que el context window se llena, la precisión se degrada en silencio incluso en tareas fáciles: eso es el context rot. Usa /compact para plegar el historial en un resumen corto y seguir, o /clear cuando el chat está lleno de callejones sin salida. Tus archivos y CLAUDE.md viven fuera de la ventana, así que podar es seguro y el agent puede volver a leer lo que necesite.
- La curva de calidad es una tendencia estimada del context rot, no una medición en vivo.
- New session: una ventana limpia; los archivos + la memoria se recargan desde fuera cuando hacen falta.
La idea clave
Tú haces ingeniería del context: descarta el ruido, conserva la señal, reinicia cuando un hilo termina, para que el modelo razone sobre lo que importa, no sobre el desorden.
Qué puedes hacer después de esta lección
Puedes hacer ingeniería de contexto básica: decidir cuándo limpiar, compactar o abrir una sesión nueva, y qué sobrevive a cada una, para que el modelo vea señal, no ruido.
Ponte a prueba: Tu sesión está inflada y el agente se está volviendo vago. ¿Mejor primer paso?
- Limpiar o compactar el contexto(correcta)
- Pegar todavía más archivos
- Repetirte más fuerte
- Esperar a que se reinicie solo
Una ventana saturada entierra la señal. Limpiarla o compactarla recupera el foco; amontonar más archivos solo lo empeora.
¿Prefieres leer primero? Esta lección tiene un explicador de compañía: Ingeniería de contexto
Adónde lleva: Pero reenviar todo ese contexto en cada turno suena caro, a menos que lo guardes en cache.
Este es el resumen escrito. La lección en sí es interactiva: arriba predices, arrastras y operas el mecanismo, y la revelación te responde.