Índice
El centro de gravedad del trabajo con IA se está desplazando de la "ingeniería de prompts" a la "ingeniería de contexto". Más allá de pulir tu prompt (la instrucción), diseñas y gestionas todo el conjunto de información (el contexto) que le entregas al modelo: en 2026 eso se ha convertido en una habilidad imprescindible para usar la IA, especialmente para construir agentes de IA.
Este artículo explica, para principiantes, qué es la ingeniería de contexto, por qué importa (la clave es el "context rot") y qué técnicas concretas implica.
El contexto es un "presupuesto finito"
— el arte de conservar solo la información más pequeña y con mayor señal
Sé selectivo
No lo amontones todo: incluye solo lo que de verdad ayuda.
Ordena con frecuencia
Resume o descarta el historial y los resultados de herramientas obsoletos para viajar ligero.
Recupera bajo demanda
No lo cargues todo de entrada; recupéralo justo en el momento en que lo necesitas.
1. ¿Qué es la ingeniería de contexto?
Tomando prestada la definición de Anthropic, la ingeniería de contexto es "el conjunto de estrategias para seleccionar y mantener el conjunto óptimo de tokens (información) que le entregas al modelo durante la inferencia" (de su artículo "Effective context engineering for AI agents", marzo de 2026). Abarca no solo el prompt, sino todo lo que llega a la ventana de contexto: el system prompt, las herramientas, el historial de la conversación y los datos externos.
Piénsalo como "el arte de mantener el escritorio ordenado". Conservas a tu alcance solo los materiales que necesitas y guardas lo que ya has terminado de usar. Si amontonas el escritorio (la ventana de contexto) con documentos, tu eficiencia en realidad baja: con la IA ocurre lo mismo. Por eso "qué poner y qué dejar fuera" es un problema de diseño que vale la pena resolver.
💡 En una frase: ingeniería de prompts = "pulir la instrucción". Ingeniería de contexto = "diseñar todo el conjunto de información que ve el modelo." La segunda es una disciplina más amplia que incluye a la primera.
2. Por qué importa: el muro del "context rot"
"Si la ventana de contexto admite un millón de tokens, ¿por qué no meterlo todo?" Aquí está la trampa: cuantos más tokens añades, más baja en realidad la precisión del modelo. Este fenómeno se llama "context rot" (degradación del contexto).
Cuando Chroma probó 18 modelos líderes (GPT, Claude, Gemini y otros) en 2025, todos y cada uno se volvieron menos fiables a medida que la entrada se alargaba. La razón es que la "atención" del modelo es un presupuesto finito. Cada token adicional diluye ese presupuesto y hace más fácil pasar por alto la información relevante; además, la información colocada en el medio de un contexto largo es especialmente fácil de ignorar ("lost in the middle", perderse en el medio).
Cuanto más larga es la entrada, menor es la precisión (ilustrativo)
* Ilustración conceptual. En estudios con mediciones, una investigación de Stanford (2023) reportó que la precisión bajaba del 70–75 % al 55–60 % cuando se aportaban unos 4.000 tokens de material de referencia, por ejemplo. La degradación es mayor en tareas más difíciles.
En resumen, "más contexto siempre es mejor" es falso. Por eso es necesaria la ingeniería de contexto: conservar solo los tokens más pequeños y con mayor señal. Especialmente para los agentes de IA de larga duración y los agentes de codificación, el context rot suele ser el principal modo de fallo.
3. Qué hay realmente en el contexto
La gente tiende a pensar "contexto = el prompt", pero en realidad muchos más elementos comparten esa misma ventana, y todos ellos gastan presupuesto.
System prompt
Las instrucciones de base: rol, reglas, tono.
Definiciones y resultados de herramientas
Descripciones de herramientas (p. ej., MCP) y sus salidas.
Historial de conversación y de trabajo
Los intercambios hasta ahora, más el razonamiento que el propio modelo ha ido acumulando.
Datos externos
Documentos y código recuperados, resultados de búsqueda con RAG, etc.
Cuanto más larga es la tarea, más historial y resultados de herramientas se acumulan. Si lo dejas sin controlar, la ventana se llena enseguida de "información importante enterrada en el medio". Por eso hacen falta las técnicas de orden que vienen a continuación.
4. Seis técnicas esenciales
A partir de las recomendaciones de Anthropic y de la experiencia práctica, aquí tienes seis técnicas de gran impacto. El principio compartido es "encontrar el conjunto más pequeño de tokens con mayor señal".
① Instrucciones a la altura adecuada
Una lógica if-else demasiado detallada es frágil; si es demasiado vaga, no agarra. Apunta al término medio: "específica pero flexible".
② Selecciona tus herramientas
Descarta las herramientas que se solapan o donde no queda claro cuál aplica. Redúcelas a unas pocas herramientas inequívocas.
③ Recuperación just-in-time
En lugar de cargarlo todo de entrada, conserva solo rutas de archivos y enlaces, y recupéralos justo cuando los necesitas. La misma idea que la divulgación progresiva de Claude Skills.
④ Compactación (compresión por resumen)
Cuando la ventana se llena, resume el historial y llévalo a una ventana nueva. Conserva las decisiones y las cuestiones abiertas; descarta las salidas de herramientas redundantes.
⑤ Notas (memoria externa)
Escribe el progreso y los puntos clave en un archivo fuera de la ventana y vuelve a leerlos solo cuando haga falta. Mantiene coherentes las tareas largas.
⑥ Aísla con subagentes
Delega el trabajo pesado, como la investigación, a un subagente y devuelve solo un resumen al agente principal. Mantiene el contexto detallado fuera del hilo principal.
⚠️ No sobreingenierices: haz lo más simple que funcione antes de recurrir a maquinaria elaborada. Con solo no añadir información innecesaria y empezar una sesión nueva a menudo ya se avanza muchísimo.
5. Su relación con prompts, RAG y Skills
Estos conceptos vecinos se confunden con facilidad, así que vamos a ubicarlos. La ingeniería de contexto es la "forma de pensar paraguas" que los ata a todos.
- Ingeniería de prompts: el arte de pulir instrucciones. Es parte de la ingeniería de contexto.
- RAG: un método para buscar conocimiento externo y añadirlo al contexto. Un medio para gestionar "qué recuperar e incluir".
- Skills: un mecanismo que despliega un procedimiento solo cuando se necesita. Un ejemplo concreto de recuperación just-in-time.
Así que "pulir la instrucción" (prompts), "añadir conocimiento" (RAG) y "cargar y descargar procedimientos" (Skills): la ingeniería de contexto trata todo esto como un solo problema de diseño: qué poner en la ventana y qué vaciar de ella.
6. Lo que puedes hacer hoy mismo
Antes de cualquier implementación complicada, hay hábitos que cualquiera puede usar de inmediato.
- Empieza un chat nuevo cuando cambie el tema: con solo no arrastrar el contexto antiguo se recupera la precisión. El movimiento más simple y más eficaz.
- No pegues documentos largos enteros: extrae solo la parte relevante y entrégala. Adjuntar el texto completo a menudo es contraproducente.
- Pídele que resuma a mitad de un trabajo largo: pide "enumera las decisiones tomadas hasta ahora y las tareas pendientes" y continúa a partir de eso (compactación manual).
- No acumules herramientas ni extensiones: quita los servidores MCP y las skills que no uses. Cuantas más opciones, más duda el modelo.
💡 Además sale más barato: no cargar tokens de más se traduce directamente en ahorrar en costes de tokens. La precisión y el coste mejoran al mismo tiempo.
Resumen
Tres conclusiones sobre la ingeniería de contexto.
- Qué es: la disciplina de diseñar y gestionar "todo el conjunto de información que ve el modelo", prompts incluidos. La etapa que sigue a la ingeniería de prompts.
- Por qué: por el "context rot": la precisión baja a medida que añades tokens. El contexto es un presupuesto finito.
- El truco: conservar solo los tokens más pequeños y con mayor señal. Tus armas son la curación, el orden (resumir), la recuperación bajo demanda y el aislamiento con subagentes.
Empieza con "sesión nueva cuando cambie el tema" y "pega solo los puntos clave". Si quieres profundizar, mira también Claude Skills y la ingeniería de harness.
FAQ
P. ¿La ingeniería de prompts ya está obsoleta?
R. No. La ingeniería de prompts sigue siendo importante como parte de la ingeniería de contexto. La relación es que, sobre la habilidad de pulir instrucciones, añades la perspectiva de diseñar todo el conjunto de información.
P. ¿Usar un modelo con una ventana de contexto más grande lo resuelve?
R. El context rot ocurre incluso con una ventana grande. La investigación muestra que meterlo todo solo porque hay espacio en realidad baja la precisión. Una ventana grande es "margen", no "permiso para incluirlo todo".
P. ¿Esto importa para el uso normal de un chat?
R. Sí. Con solo "empezar un chat nuevo por cada tema" y "pegar únicamente los puntos clave" mejora la calidad de las respuestas. Son consejos que puedes usar hoy, aunque no seas ingeniero.
P. ¿Cuál es la diferencia entre RAG y la ingeniería de contexto?
R. RAG es un método concreto: "buscar conocimiento externo y añadirlo al contexto". La ingeniería de contexto es el concepto más amplio que gestiona en conjunto "qué poner en la ventana y qué vaciar de ella", y RAG es uno de sus componentes.
