# Kontextové inženýrství v Claude Code: principy a použití > Co je kontextové inženýrství a jak se liší od prompt engineeringu. Kánon Anthropic, 7 chyb a minimální nastavení pro Claude Code. Source: https://ailoot.ai/blog/cs/context-engineering/ Canonical: https://ailoot.ai/blog/cs/context-engineering/ Language: cs Publisher: Ailoot (https://ailoot.ai/) Translation: guide-037 Revision: sha256-4e4cab2a7185cebd59d1098737e09f8a187f2f44f99b8224f6b1148a3cb27c7a
Hlavní poznatky Kontextové inženýrství je disciplína, která spočívá v přípravě všeho, co se do kontextového okna Claude dostane před vaší zprávou: systémového promptu, nástrojů, historie, souborů paměti a dat z nástrojů. V roce 2026 nahradilo prompt engineering jako klíčovou dovednost — tvrdí to Anthropic. Tento průvodce představuje kanonické zdroje, 7 častých chyb, které plýtvají tokeny, a praktické nastavení Claude Code v 7 krocích.
Informace o práci s Ailoot najdete v [dokumentaci](https://ailoot.ai/docs/). ## Co je kontextové inženýrství?
Hlavní poznatky Kontextové inženýrství je disciplína, která spočívá ve výběru všeho, co v každém kroku vstupuje do kontextového okna AI agenta: systémového promptu, nástrojů, historie, souborů paměti a dat z externích zdrojů. Prompt engineering odpovídal na otázku „Jak napsat prompt?“ Kontextové inženýrství odpovídá na otázku „Co AI ví, když jí zadáte prompt?“
Anthropic tento pojem ustálil v příspěvku na inženýrském blogu z 29. září 2025:
Kontextové inženýrství je soubor strategií pro výběr a udržování optimální sady tokenů (informací) během inference LLM, včetně všeho, co se do něj dostává kromě samotných promptů.
— Anthropic Applied AI team, https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
Tentýž článek nabízí nejdůležitější větu pro změnu perspektivy:
Práce s jazykovými modely se stále méně týká hledání správných slov a formulací v promptech a stále více odpovědi na širší otázku: „Jaké nastavení kontextu s největší pravděpodobností povede k požadovanému chování modelu?“
— Anthropic Applied AI team, https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
Hlavní myšlenka: kontext není zpráva, kterou napíšete. Kontext je celý soubor informací, které AI vidí **před** vaší zprávou — systémový prompt, popisy nástrojů, historii konverzace, soubory paměti a data načtená přes MCP. Prompt je až poslední krok. Kontextové inženýrství je architektura všeho, co se do okna předává. ## Proč prompt engineering v roce 2026 zastaral?
Hlavní poznatky Prompt engineering vznikl v době, kdy modely pracovaly s jediným promptem — jedním tahem a jedním úkolem. V roce 2026 AI agenti pracují v dlouhých relacích s nástroji, pamětí, podagenty a daty načítanými za běhu prostřednictvím nástrojů. V této architektuře už není hlavní dovedností formulovat jeden prompt, ale vybírat a uspořádávat všechny informace, které agent vidí.
K posunu došlo v létě 2025. **29. září 2025:** Anthropic ustavuje tuto disciplínu v příspěvku na inženýrském blogu a uvádí kánon 4 principů. Prompt engineering „nezemřel“. Stal se základní gramotností, podobně jako znalost psaní na klávesnici. Nad ním vznikla disciplína, bez níž se AI agenti při dlouhých úkolech rozpadají: kontextové inženýrství. ## Jak se kontextové inženýrství liší od prompt engineeringu? 5 rozdílů
Hlavní poznatky Prompt engineering optimalizuje jeden prompt: vybíráte formulaci, šablonu a tón. Kontextové inženýrství navrhuje celé informační prostředí ještě před tímto promptem: systémový prompt, nástroje, historii relace, soubory paměti a vyhledávání. Rozdíl se projevuje v pěti oblastech: co se optimalizuje, časovém horizontu, hlavním riziku, klíčové dovednosti a zdroji v projektu.
| Aspekt | Prompt engineering | Kontextové inženýrství | |----|----|----| | **Co se optimalizuje** | Formulace jednoho promptu | Celá sada tokenů: systémový prompt + nástroje + historie + načtená data | | **Časový horizont** | Jeden tah | Mnoho tahů a přechody mezi relacemi | | **Hlavní riziko** | Model promptu nerozumí | Model se utopí v šumu (context rot) | | **Klíčová dovednost** | Copywriting a porozumění modelu | Informační architektura a cílené vyhledávání | | **Zdroj v projektu** | Šablona promptu | CLAUDE.md, soubory paměti, vyhledávání, podagenti, kompakce | | **Metafora** | „Jak napsat prompt“ | „Co AI ví, když jí zadáte prompt“ | Kontextové inženýrství neznamená „prostě tam nalít víc“. Jde o **přesné dávkování**. Příliš málo a AI nemá dost kontextu, takže halucinuje. Příliš mnoho a AI se utopí v šumu, ztratí se uprostřed a stojí víc. Prompt engineering řešil poslední krok. Kontextové inženýrství řeší všechno, co mu předcházelo. ## Znamená 1M tokenů, že do kontextu můžeme nalít úplně všechno?
Hlavní poznatky Kontextová okna modelů se v roce 2026 zvětšila: Claude Opus 4.7 a Sonnet 4.6 podporují 1 milion tokenů. Vzniká tak dojem, že lze do okna nalít celý repozitář. Velké okno ale v praxi neznamená velkou užitečnou paměť — modely začínají ztrácet výkon dlouho před dosažením limitu.
Aktuální limity kontextu modelů Claude: | Model | Kontextové okno | Dostupné v | |-------------------|--------------------|--------------------------| | Claude Haiku 4.5 | 200 000 tokenů | všech tarifech | | Claude Sonnet 4.6 | 1 000 000 tokenů | Pro+ s kredity na používání | | Claude Opus 4.7 | 1 000 000 tokenů | Pro, Max, Team, Enterprise | 1M tokenů odpovídá zhruba 2 500 stranám textu. Zdá se, že lze načíst veškerou projektovou dokumentaci, veškerou korespondenci i všechny specifikace a nechat AI, ať si poradí. Anthropic však ve svém inženýrském blogu jasně uvádí:
Kontext byste měli považovat za omezený zdroj s klesajícími výnosy.
— Anthropic Applied AI team, https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
Jinými slovy, kontext je omezený zdroj s klesajícími výnosy. Každý další token nepřináší výhody lineárně. Čím delší je okno, tím hůře model pracuje s informacemi, které obsahuje. Hlavní dovedností v roce 2026 není nechat všechno otevřené. Je to rychle přepínat mezi úzce vymezenými kontexty, jeden pro každý úkol. ## Největší chyba: Znamená více kontextu horší výsledek?
Hlavní poznatky Čím delší je kontext, tím hůře model pracuje s informacemi uvnitř. Tento jev se nazývá context rot. Uplatňuje se také efekt „ztracení uprostřed“: modely si pamatují začátek a konec kontextu, ale prostřední část přehlédnou. Praktický závěr: dlouhé soubory paměti vám škodí.
Paralelně působí druhý jev, ztrácení uprostřed. V praxi to znamená, že pokud je důležité pravidlo uprostřed souboru CLAUDE.md, model ho může přeskočit. Anthropic doporučuje v dokumentaci CLAUDE.md omezit délku:
Snažte se udržet CLAUDE.md pod 200 řádky — delší soubory spotřebují více kontextu a snižují dodržování pokynů.
— Anthropic, https://code.claude.com/docs/en/memory
Méně než 200 řádků je cílová délka citovaných pokynů, nikoli tvrdý práh ukončení dodržování pravidel. Rozsah 80–120 řádků je autorova pracovní preference z popsaných projektů, nikoli další požadavek Anthropic. Udržujte relevantní instrukce a ověřujte dodržování důležitých pravidel; každý přidaný řádek soupeří o pozornost a kontext. Více o nastavení CLAUDE.md s ohledem na tento limit najdete v průvodci [„Jak nakonfigurovat CLAUDE.md v roce 2026“](https://ailoot.ai/blog/cs/claude-md-template/). ## 5 principů kontextového inženýrství podle Anthropic
Hlavní poznatky V inženýrském blogu z 29. září 2025 zaznamenal Anthropic 5 základních strategií práce s kontextem: omezený zdroj, načítání právě včas, strukturované poznámky, kompakci a architektury s podagenty. Jde o kánon, na který nyní odkazují všichni ostatní autoři v této oblasti.
### Princip 1. Kontext je omezený zdroj To je základní předpoklad, bez něhož ostatní čtyři principy nefungují. Anthropic píše:
Obecná rada pro všechny součásti kontextu (systémové prompty, nástroje, příklady, historii zpráv atd.) zní: přistupujte k nim uvážlivě a udržujte kontext informativní, ale hutný.
— Anthropic Applied AI team, https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
„Hutný“ znamená „koncentrovaný, bez vaty“. Každý token v okně by měl podstatně ovlivnit rozhodnutí modelu. Pokud se v CLAUDE.md píše „snažíme se psát čistý kód“, můžete to smazat; nic podstatného tato věta nepředává. ### Princip 2. Načítání právě včas AI agent načítá data za běhu prostřednictvím nástrojů, místo aby všechno předem ukládal do okna. Takto je navržen Claude Code: místo vektorové databáze nebo indexu agent používá `glob` a `grep`, podobně jako živý vývojář, který ručně prohledává kód. Kdy to použít: **předem nevíte**, které pasáže budou pro daný úkol potřeba. ### Princip 3. Strukturované poznámky Agent zapisuje poznámky do externího úložiště a načítá je podle potřeby. V Claude Code se to realizuje pomocí nástroje paměti. Anthropic to ve své kuchařce popisuje takto:
Paměť tvoří strukturované poznámky: agent zapisuje do trvalého externího úložiště, aby mohl sledovat postup napříč úkoly a relacemi, aniž by všechno udržoval v aktivním kontextu.
— Anthropic Cookbook, https://platform.claude.com/cookbook/tool-use-context-engineering-context-engineering-tools
Kdy to použít: při dlouhých relacích, přechodech mezi relacemi a hromadění znalostí o projektu. ### Princip 4. Kompakce Kompresujte historii zpráv do souhrnu, když se blíží limit. V Claude Code jde o příkaz `/compact` a automatickou kompakci, když okno dosáhne přibližně 80 %. Anthropic píše:
Kompakce stlačí celé okno, když je příliš velké.
— Anthropic Cookbook, https://platform.claude.com/cookbook/tool-use-context-engineering-context-engineering-tools
Kdy to použít: při dlouhých analytických konverzacích, jejichž historie se stala přítěží a zaplňuje okno, místo aby pomáhala. ### Princip 5. Architektury s podagenty Specializovaní podagenti pracují souběžně ve vlastních kontextových oknech a předávají hlavnímu agentovi komprimovaná shrnutí. Anthropic píše:
Podagenti pomáhají s kompresí: pracují paralelně ve vlastních kontextových oknech a současně zkoumají různé stránky otázky.
— Anthropic Engineering, https://www.anthropic.com/engineering/multi-agent-research-system
Podle údajů z jejich interního testu dosahuje hlavní agent Claude Opus 4 s podagenty Claude Sonnet 4 v rešeršních úkolech o **+90,2 % vyšší kvality** než samotný Claude Opus 4. Cena: přibližně 15× více tokenů. Ponaučení: tento přístup se vyplatí tam, kde je výsledek cenný. Další informace o nastavení podagentů v Claude Code najdete v průvodci [„Podagenti pro Claude Code“](https://ailoot.ai/blog/cs/claude-code-subagents/). ## 7 chyb, které plýtvají tokeny a narušují Claude Code
Hlavní poznatky Sedm častých anti-patternů popsaných na příkladech z projektů. Každý buď plýtvá tokeny bez užitku, nebo kvůli context rot způsobuje halucinace. Pod každým z nich je uvedeno, jak problém řeší kontextové inženýrství.
| \# | Anti-pattern | Co se stane | Jak to napravit | |----|----|----|----| | 1 | **Vložil jsem celý README a 5 souborů s kódem do jednoho promptu** | Okno se během jednoho tahu zaplní z 50 % a brzy narazí na limit | Nástroj paměti pro dlouhodobá fakta a načítání právě včas — nechte Claude načíst soubory přes `read_file`/`glob` | | 2 | **CLAUDE.md s 500 řádky** | Dlouhé instrukce mohou snížit dodržování, zvláště jsou-li důležitá pravidla pohřbena uprostřed | 80–120 řádků, rozkazovací způsob, oddíly pro příkazy a styl. Nejdůležitější věci dejte na začátek a konec | | 3 | **V dlouhých relacích nespouštím `/compact`** | Relace dosáhne 180k tokenů, Claude zapomene první zprávy a vy kontext ručně opakujete | Spusťte `/compact` ručně nebo zapněte automatickou kompakci pomocí spouštěče. Známkou přetížení je indikátor využití kontextu v desktopové aplikaci Claude | | 4 | **Jeden Claude na všechno** | Jeden agent plánuje, hledá, píše kód, kontroluje ho a testuje — okno roste exponenciálně | Podagenti: každý má svůj kontext a hlavní agent shromažďuje jejich shrnutí. Anthropic uvádí u rešeršních úkolů +90,2 % kvality | | 5 | **Soubory paměti se plní výsledky nástrojů** | Agent čte tentýž soubor 5krát a výsledky volání nástrojů zaplní 96 % kontextu | Mazání výsledků nástrojů: ponechte 4–6 posledních výsledků a ostatní smažte. Informace o tom, že volání proběhlo, zůstane zachována | | 6 | **Vložil jsem celý repozitář do složky `examples/`** | AI hledá vzor mezi 200 příklady a ztratí se | 3–7 kanonických vzorů ve složce `examples/`, každý pro konkrétní typ úkolu | | 7 | **Seznam v Markdownu o 200 řádcích jako „plán funkce“** | Dlouhý nestrukturovaný seznam může ztížit sledování úkolů; univerzální selhání na 50. řádku neexistuje | Artefakt HTML nebo očíslovaný plán v samostatném souboru | Kuchařka Anthropic popisuje konkrétní měření chyby č. 5: v základní relaci byl první dokument v kontextu (o hlísticích C. elegans) technicky stále v okně, ale byl pohřben pod 335k tokeny. Technicky dostupný. V praxi si ho model nevybavil. S nástrojem paměti se situace řeší takto: soubor poznámek `aging_model_organisms_comparison.md` má asi 3000 tokenů, místo aby se znovu načítal původní korpus. Přirovnání k domácnosti: kontextové okno je pracovní stůl. Když na něm leží 200 dokumentů, nenajdete ten, který potřebujete, ani když tam je. Kontextové inženýrství znamená „nechat na stole jen to, co právě potřebujete, zbytek uložit do archivu a na požádání jej načíst“. ## Jak sestavit funkční nastavení za jeden večer?
Hlavní poznatky Minimální funkční nastavení kontextového inženýrství v Claude Code má 7 prvků: CLAUDE.md, příklady, dokumenty PRP, nástroj paměti, /compact, podagenty a načítání právě včas prostřednictvím nástrojů. Základní rámec zabere 30–40 minut; kompletní nastavení s příklady a ověřenými prompty zabere jeden večer. Postupně ho můžete vylepšovat.
Sedm kroků v pořadí: 1. **CLAUDE.md o délce 80–120 řádků.** V kořenové složce projektu. Používejte rozkazy, ne popisy. V [oficiální dokumentaci](https://code.claude.com/docs/en/memory) Anthropic doporučuje princip `Specificity`: pravidla mají být konkrétní a jednoznačná, nikoli obecné principy. V praxi funguje „nikdy nepoužívejte inline mocky v testech“ lépe než „snažíme se psát čistý kód“. Podrobnou šablonu najdete v průvodci [„Jak nakonfigurovat CLAUDE.md“](https://ailoot.ai/blog/cs/claude-md-template/). 2. **Složka `examples/` se 3–7 ověřenými vzory.** Jeden příklad pro každý běžný vzor: volání API, psaní testu, migrace, ošetření chyb. Když Claude uvidí vzor ve složce `examples/`, přesně ho zopakuje. Bez příkladů průběžně hádá. 3. **Dokumenty PRP pro hlavní funkce.** PRP = Product Requirements Prompt. Jeden soubor pro každou funkci: kontext + plán + ověření + příklady. 4. **Nástroj paměti pro dlouhodobá fakta napříč relacemi.** V kuchařce Anthropic je nástroj paměti Claude implementován jako úložiště strukturovaných poznámek. Když se agent vrátí k úkolu v nové relaci, nejprve si přečte poznámky, místo aby znovu četl celý korpus. 5. **`/compact` a automatická kompakce při 80 % limitu.** Nečekejte, až okno narazí na strop. Zapněte automatickou kompakci v nastavení nebo sami spusťte `/compact`, když máte pocit, že se relace točí v kruhu. 6. **Podagenti pro rešerši / kontrolu / plánování.** Každý podagent má vlastní kontext a úzce zaměřený prompt. Hlavní agent Claude dostává pouze shrnutí, nikoli surový materiál. Další podrobnosti najdete v průvodcích [„Podagenti pro Claude Code“](https://ailoot.ai/blog/cs/claude-code-subagents/) a [„Dovednosti pro Claude Code“](https://ailoot.ai/blog/cs/claude-code-skills-library/) (Skills jsou způsob, jak zabalit úzce specializované znalosti do dovednosti, kterou Claude automaticky používá). 7. **Načítání právě včas místo předběžného načítání.** Nelijte do okna celý repozitář. Nechte Claude, ať si ho sám prohledá pomocí `glob` a `grep`. Takto je navržen samotný Claude Code. Další praktická pravidla z popsané zkušenosti s projekty: - **Jeden úkol, jedno okno.** Po dokončení ho zavřete a otevřete nové. Nehromaďte historii několika úkolů za sebou. - **Šablona prvního příkazu v novém okně.** Pokaždé použijte stejný text: „Postupně si přečti `CLAUDE.md` a oblast úkolu. Potvrď to jednou větou. Nezačínej úkol; počkej na další zprávu.“ V popsaném pracovním postupu je tato šablona uložena ve správci textových výstřižků pod jedinou klávesovou zkratkou. - **Když je kontextové okno zaplněné z >60 %, přejděte do nového.** Dočasná technika: požádejte Claude: „napiš prompt, aby sousední chat mohl pokračovat v tvém úkolu, aniž by ztratil jeho smysl“, zkopírujte ho a otevřete nové okno. - **Každá chyba AI je důvodem přidat pravidlo.** Nezapisujte pravidla do souborů paměti ručně. V okamžiku chyby řekněte Claude „to je špatně, protože...“ a on pravidlo zformátuje do souboru podle konvence „Pravidlo → Proč → Jak“. ## Co dál: Jak se bude disciplína kontextového inženýrství vyvíjet?
Hlavní poznatky V roce 2026 se kontextové inženýrství posouvá od textových souborů Markdown ke strukturovanějším formátům. Objevila se funkce Dreaming, ve které agent přes noc znovu prochází dřívější relace. Dalším krokem jsou artefakty HTML, trvalá paměť a orchestraci více agentů napříč celým produktovým týmem.
Disciplína se právě teď ubírá jedním směrem: **Dreaming — noční přehodnocení relací.** Na Code w/ Claude SF 6. května 2026 Anthropic předvedl funkci, při které agent přes noc znovu prochází předchozí relace a aktualizuje své poznámky. Strukturované soubory paměti se nyní rozrůstají nejen tehdy, když do nich zapisujete, ale také když agent vyvozuje závěry z nasbíraných zkušeností. Jeden trend je jasný: kontextové inženýrství se stává plnohodnotnou disciplínou navrhování informací pro AI agenty, nejen otázkou „jak napsat CLAUDE.md“. Prompt engineering byl jednou z prvních úrovní této disciplíny. Kontextové inženýrství je další. Minimum, které stojí za to sestavit během prvního večera: upravte CLAUDE.md na 80–120 řádků (průvodce [zde](https://ailoot.ai/blog/cs/claude-md-template/)), vytvořte složku se strukturou obchodních znalostí, naučte se používat `/compact` a [přestaňte plýtvat limity](https://ailoot.ai/blog/cs/claude-code-token-limits-saving/). Pak přidejte podagenty ([průvodce](https://ailoot.ai/blog/cs/claude-code-subagents/)) a [Skills](https://ailoot.ai/blog/cs/claude-code-skills-library/), abyste specializované znalosti přesunuli ze sdíleného kontextu do vyhrazených dovedností.
### Zdroje - [Efektivní kontextové inženýrství pro AI agenty](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) - Anthropic Applied AI team, 29.09.2025. Kanonický text se 4 principy kontextového inženýrství. - [Jak jsme vytvořili náš výzkumný systém s více agenty](https://www.anthropic.com/engineering/multi-agent-research-system) - Anthropic Engineering, 13.06.2025. Zdroj údajů o +90,2 % kvality a 15× více tokenech. - [Anthropic Cookbook - Kontextové inženýrství s použitím nástrojů](https://platform.claude.com/cookbook/tool-use-context-engineering-context-engineering-tools) - Praktické nástroje: kompakce, mazání výsledků nástrojů a nástroj paměti. - [Dokumentace paměti Claude Code](https://code.claude.com/docs/en/memory) - Pokyny ke stručným a konkrétním projektovým instrukcím; citovaný cíl je méně než 200 řádků. Rozsah 80–120 řádků je autorova preference.
Poznejte [Ailoot](https://ailoot.ai/). ## Časté otázky ### Je 200 řádků tvrdým limitem CLAUDE.md? Ne. Citované pokyny doporučují méně než 200 řádků kvůli kontextu a dodržování instrukcí. Rozsah 80–120 řádků je autorova praktická preference; důležitá pravidla ověřujte na úkolech místo považování počtu řádků za záruku. ### Co přesunout mimo počáteční kontext? Podrobné příklady, dlouhé výsledky nástrojů a reference pro konkrétní úkol přesuňte do samostatných souborů. V CLAUDE.md ponechte stručná pravidla a odkazy a potřebné pasáže načítejte až podle úkolu. ## Ailoot · Společnost a její portfolio projektů Ailoot staví na dlouhodobých provozních zkušenostech, široké klientské základně, stabilních službách a průběžném sledování KPI. Společnost a její portfolio projektů: miliony zákazníků; měsíční tržby v miliardách. Ailoot využívá tyto provozní zkušenosti k poskytování přístupu přes API k funkcím AI v produktech zákazníků, agentech, aplikacích a automatizacích.