Engenharia de Contexto
A engenharia de prompts trata das palavras que você escolhe. A engenharia de contexto trata do espaço de trabalho que você entrega ao modelo — o que está nele, em que ordem está e o que você deliberadamente deixou de fora.
A distinção importa porque uma janela de contexto não é um bloco de notas. É um recurso atencional limitado e caro. Como você a preenche muda no que o modelo se concentra, quanto isso custa para você e se ela continua útil à medida que as sessões crescem.
- Distinguir a engenharia de contexto da engenharia de prompts — e saber por que o campo evoluiu
- Tratar a janela de contexto como um orçamento de atenção, não como um depósito de armazenamento
- Identificar a degradação de contexto e o efeito perdido no meio antes que eles arruínem uma sessão longa
- Posicionar instruções onde a atenção de fato recai — no topo, no fim, nunca enterradas no meio
- Aplicar as três táticas de trabalho pesado: compactação, anotação e recuperação just-in-time
O orçamento de contexto
Todo modelo tem um tamanho máximo de contexto — um teto rígido medido em tokens. Pense nele como um orçamento. Você o gasta em:
- Seu prompt de sistema e instruções permanentes
- Documentos recuperados, trechos de base de código, definições de ferramentas
- Histórico da conversa
- A saída do modelo (que também conta contra a janela em sessões multi-turno)
Quando você fica sem, algo tem que ceder. Ou conteúdo antigo é descartado, ou a sessão bate em um limite.
A maioria dos guias para iniciantes trata a janela de contexto como "mais é melhor." A engenharia de contexto a trata como um recurso a ser alocado com cuidado: gaste-o no que o modelo de fato precisa para este turno, não em tudo que possa ser relevante. A Anthropic enquadra toda a disciplina como uma busca pelo "menor conjunto possível de tokens de alto sinal" — cada token que você adiciona compete por um orçamento de atenção finito, uma consequência direta de como um transformer relaciona cada token com todos os outros.
Degradação de contexto e o efeito "perdido no meio"
Há um fenômeno bem documentado em LLMs de contexto longo: os modelos prestam atenção desproporcional ao conteúdo próximo do início e do fim de seu contexto, e sua capacidade de recuperar conteúdo enterrado no meio se degrada. Pesquisadores que estudaram esse efeito o chamaram de "perdido no meio" (lost in the middle).
A consequência prática: se você enche um contexto de 100.000 tokens com documentos e enterra a instrução mais crítica na posição 60.000, o modelo pode efetivamente ignorá-la — não porque seja incapaz de ler tão longe, mas porque a atenção não é distribuída uniformemente ao longo da janela.
A "degradação de contexto" (context rot) é o padrão mais amplo: à medida que uma sessão cresce, a qualidade das respostas tende a se desviar. Instruções iniciais ficam diluídas. O vai-e-vem repetido sufoca a tarefa original. O modelo começa a hesitar, a se repetir ou a perder o fio do que você realmente pediu.
Esses não são bugs que você consegue corrigir totalmente com um prompt melhor. São propriedades estruturais de como a atenção funciona em escala. A resposta de engenharia é manter o contexto menor e mais afiado, não enchê-lo e torcer.
A ordem importa
Onde você posiciona o conteúdo é tão importante quanto o que você inclui. Boa prática estabelecida:
| Posição | O que colocar ali |
|---|---|
| Bem no topo (prompt de sistema) | Instruções estáveis e duradouras. Persona, regras, requisitos de formato. |
| Depois do prompt de sistema | A tarefa atual, em termos simples. |
| Logo antes do último turno do usuário | O contexto mais crítico e específico para esta requisição exata. |
| Meio | Documentos de apoio, trechos recuperados — ordenados por relevância, não por cronologia. |
| Histórico da conversa | Apenas o necessário para a continuidade. Pode aparar agressivamente. |
A regra geral: quanto mais perto do turno atual, mais atenção recebe. Instruções críticas que vivem apenas no meio de um histórico longo estão em risco.
A "altitude certa" para instruções
Um prompt de sistema pode falhar de duas formas opostas. Baixo demais e você codifica uma lógica frágil do tipo se-isto-então-aquilo que quebra no momento em que a realidade diverge. Alto demais e você escreve uma orientação vaga que pressupõe um contexto que o modelo não tem. A Anthropic chama o alvo de "altitude certa" — a zona ideal que é "específica o bastante para guiar o comportamento de forma eficaz, mas flexível o bastante para fornecer heurísticas fortes." Mire ali: regras e exemplos concretos, não uma árvore de decisão, e não uma vibe.
Recuperação em vez de enchimento
A tentação é colocar tudo dentro: todos os documentos, a base de código completa, a conversa inteira. Resista a ela.
A melhor abordagem é a recuperação seletiva: identifique o que o modelo de fato precisa para esta requisição específica e injete apenas isso. Um trecho de 2.000 tokens bem recuperado do documento certo supera um despejo de 40.000 tokens onde a resposta está em algum lugar no meio.
É por isso que a geração aumentada por recuperação (RAG) existe — não apenas para superar limites de contexto, mas para melhorar a qualidade mantendo o contexto curado. A versão agêntica é a recuperação just-in-time: em vez de pré-carregar todos os documentos, o agente mantém identificadores leves (caminhos de arquivos, IDs, consultas) e puxa o conteúdo real para o contexto apenas no momento em que ele é necessário.
Para sessões interativas, a mesma lógica se aplica: em vez de acumular tudo, compacte ou limpe periodicamente o histórico para remover conteúdo que não é mais relevante para a tarefa atual. Os comandos /compact e /clear do Claude Code são ferramentas de engenharia de contexto, não apenas de gerenciamento de sessão. Na API, o mesmo padrão é automatizado por memória e edição de contexto — resultados de ferramentas antigos são removidos da janela enquanto o que importa é gravado em um armazenamento de memória persistente.
As três táticas de trabalho pesado
Para trabalhos de longo horizonte, três técnicas fazem a maior parte do esforço. Elas se compõem — a maioria dos agentes reais usa as três.
- Quando uma sessão se aproxima do limite da janela, resuma-a e reinicialize com a versão destilada. Preserve os detalhes que sustentam o trabalho — decisões arquiteturais, bugs não resolvidos, escolhas chave de implementação — e descarte o relato lance a lance. É isso que o /compact faz no Claude Code.
- Faça o agente gravar fatos duradouros em uma memória externa (um arquivo, um rascunho, um CLAUDE.md) e relê-los depois. Isso fornece memória persistente com mínima sobrecarga dentro da janela — as anotações vivem fora do orçamento até serem necessárias.
- Não pré-encha todos os documentos. Mantenha referências leves e carregue o conteúdo real em tempo de execução, apenas para a etapa que precisa dele. Uma puxada direcionada de 2.000 tokens vence um despejo de 40.000 tokens.
O ângulo do custo
Tokens que você envia são tokens pelos quais você paga — tanto em dinheiro quanto em latência. Encher o contexto com material vagamente relevante infla os dois. Engenharia de contexto e eficiência de custo são o mesmo problema.
Mais concretamente:
- Um prompt de sistema inchado que você copia e cola de um template é pago em cada chamada.
- Histórico de conversa antigo que você carrega adiante porque "pode ser útil" é pago em cada chamada.
- Documentos que você injeta "por via das dúvidas" são pagos em cada chamada.
Aparar o que não precisa estar ali é simultaneamente melhor para a qualidade e mais barato para rodar.
Táticas práticas para usuários do Claude
No Claude.ai:
- Use conversas distintas para tarefas distintas. Não deixe uma tarde de divagações poluir o contexto de um projeto focado.
- Resuma threads longas antes de fazer uma pergunta complexa que dependa delas. Um resumo explícito muitas vezes é mais útil que o histórico bruto.
- Coloque a coisa específica que você quer no fim de uma mensagem longa, não enterrada no meio.
No Claude Code:
- Mantenha seu arquivo
CLAUDE.mdenxuto. Cada linha nele é injetada em cada sessão. Veja CLAUDE.md e Gerenciamento de Contexto. - Use
/clearao trocar para uma tarefa genuinamente diferente. Use/compactquando quiser continuar mas a sessão está crescendo. - Referencie arquivos pelo caminho em vez de colar seu conteúdo quando o arquivo completo não for necessário para a etapa atual.
No nível da API:
- Projete prompts de sistema para conter apenas o que toda requisição realmente precisa. Mova instruções específicas da tarefa para o turno do usuário.
- Para casos de uso com muitos documentos, recupere e injete os trechos relevantes em vez de enviar um corpus inteiro.
- Estruture o prompt de modo que o prefixo estável e reutilizável venha primeiro — isso também habilita o cache de prompts, que é um companheiro natural da engenharia de contexto.
Quando você quiser entregar um documento longo ao Claude, a regra de posicionamento vence o volume bruto toda vez:
Instrução primeiro, reafirmada por último
Tarefa: Encontre toda cláusula em que este contrato limita nossa responsabilidade e cite cada uma literalmente com seu número de seção. [... cole aqui o contrato completo de 40 páginas ...] Lembrete da tarefa: liste toda cláusula de limite de responsabilidade acima, citada exatamente, com os números de seção. Se não houver nenhuma, diga isso explicitamente.
A mesma instrução fica no topo e no rodapé — as duas posições que a atenção favorece — para que ela sobreviva até a um meio muito longo.
A mudança de mentalidade
A engenharia de prompts pergunta: "O que eu deveria dizer?" A engenharia de contexto pergunta: "O que o modelo deveria ver, em que ordem, e o que eu deveria deliberadamente manter de fora?"
A segunda pergunta é mais difícil, mas é a que de fato determina a qualidade em escala.
Check yourself
0/3- A janela de contexto é um orçamento de atenção, não armazenamento — gaste-a apenas em tokens de alto sinal.
- Posição vence volume: instruções críticas vão no topo e logo antes do turno final, nunca enterradas no meio.
- Compactação, anotação e recuperação just-in-time são as três táticas que mantêm agentes longos coerentes.
- Curar o contexto é a mesma alavanca que cortar custo — menos tokens, melhores respostas, conta menor.