Context Engineering en Claude Code: qué es y cómo aplicarlo
MarkdownQué es el Context Engineering y en qué se diferencia del Prompt Engineering. El canon de Anthropic, 7 errores y una configuración mínima para Claude Code.
Leer el artículo completo
Puntos clave
El Context Engineering es la disciplina de configurar todo lo que entra en la ventana de contexto de Claude antes de tu mensaje: el prompt del sistema, las herramientas, el historial, los archivos de memoria y los datos de las herramientas. En 2026, ha sustituido al Prompt Engineering como habilidad clave; eso es lo que afirma Anthropic. Esta guía cubre el canon de fuentes primarias, 7 errores comunes que consumen tokens y una configuración práctica de 7 pasos para Claude Code.
Encontrarás información sobre cómo trabajar con Ailoot en la documentación.
¿Qué es el Context Engineering, en una línea?
Puntos clave
El Context Engineering es la disciplina de seleccionar todo lo que entra en la ventana de contexto de un agente de IA en cada paso: el prompt del sistema, las herramientas, el historial, los archivos de memoria y los datos de fuentes externas. El Prompt Engineering respondía a la pregunta «¿Cómo se escribe un prompt?». El Context Engineering responde a «¿Qué sabe la IA cuando escribes un prompt?».
Anthropic estableció el término en una publicación de su blog de ingeniería del 29 de septiembre de 2025:
El Context Engineering es el conjunto de estrategias para seleccionar y mantener el conjunto óptimo de tokens (información) durante la inferencia de un LLM, incluido todo lo que se incorpora además de los propios prompts.
El mismo artículo ofrece la frase más importante para cambiar de perspectiva:
Trabajar con modelos de lenguaje consiste cada vez menos en encontrar las palabras y frases adecuadas para los prompts y cada vez más en responder una pregunta más amplia: «¿Qué configuración del contexto tiene más probabilidades de producir el comportamiento deseado del modelo?»
La idea principal: el contexto no es el mensaje que escribes. El contexto es todo el conjunto de información que la IA ve antes de tu mensaje: el prompt del sistema, las descripciones de las herramientas, el historial de conversación, los archivos de memoria y los datos cargados mediante MCP. El prompt es el paso final. El Context Engineering es la arquitectura de todo lo que se introduce en la ventana.
¿Por qué quedó obsoleto el Prompt Engineering en 2026?
Puntos clave
El Prompt Engineering nació cuando los modelos trabajaban con un solo prompt: un turno, una tarea. En 2026, los agentes de IA funcionan en sesiones largas con herramientas, memoria, subagentes y datos que recuperan sobre la marcha mediante herramientas. En esta arquitectura, redactar un único prompt ya no es la habilidad principal; lo es seleccionar toda la información que ve el agente.
El cambio se produjo durante el verano de 2025.
29 de septiembre de 2025: Anthropic establece la disciplina en una publicación de su blog de ingeniería y presenta un canon de 4 principios.
El Prompt Engineering no ha «muerto». Se ha convertido en alfabetización básica, como saber escribir con un teclado. Sobre esa base ha surgido una disciplina sin la cual los agentes de IA fallan en tareas largas: el Context Engineering.
¿En qué se diferencia el Context Engineering del Prompt Engineering? 5 diferencias
Puntos clave
El Prompt Engineering optimiza un único prompt: eliges la redacción, la plantilla y el tono. El Context Engineering diseña todo el entorno de información previo a ese prompt: el prompt del sistema, las herramientas, el historial de la sesión, los archivos de memoria y la recuperación de información. La diferencia se manifiesta en cinco aspectos: qué se optimiza, el horizonte temporal, el riesgo principal, la habilidad fundamental y la fuente dentro del proyecto.
| Aspecto | Prompt Engineering | Context Engineering |
|---|---|---|
| Qué se optimiza | La redacción de un único prompt | El conjunto completo de tokens: prompt del sistema + herramientas + historial + datos recuperados |
| Horizonte temporal | Un turno | Muchos turnos y transiciones entre sesiones |
| Riesgo principal | El modelo no entiende el prompt | El modelo se ahoga entre el ruido (Context Rot) |
| Habilidad fundamental | Redacción y comprensión del modelo | Arquitectura de la información y recuperación dirigida |
| Fuente en el proyecto | Tu plantilla de prompt | CLAUDE.md, archivos de memoria, recuperación, subagentes, compactación |
| Metáfora | «Cómo escribir un prompt» | «Qué sabe la IA cuando le das un prompt» |
El Context Engineering no consiste en «volcar más cosas». Consiste en dosificar con precisión. Si hay muy poco, la IA carece de contexto y alucina. Si hay demasiado, se ahoga en el ruido, pierde el hilo en medio del contexto y cuesta más.
El Prompt Engineering se ocupaba del último paso. El Context Engineering se ocupa de todo lo que venía antes.
¿Por qué 1 millón de tokens no significa «volcarlo todo»?
Puntos clave
Las ventanas de contexto de los modelos crecieron en 2026: Claude Opus 4.7 y Sonnet 4.6 admiten 1 millón de tokens. Esto crea la ilusión de que se puede volcar todo el repositorio en la ventana. En la práctica, una ventana grande no significa una memoria útil grande: los modelos empiezan a degradarse bastante antes de llegar al límite.
Límites de contexto actuales de los modelos Claude:
| Modelo | Ventana de contexto | Disponible en |
|---|---|---|
| Claude Haiku 4.5 | 200.000 tokens | todos los planes |
| Claude Sonnet 4.6 | 1.000.000 tokens | Pro+ con créditos de uso |
| Claude Opus 4.7 | 1.000.000 tokens | Pro, Max, Team, Enterprise |
1 millón de tokens equivale a unas 2.500 páginas de texto. Parece que podrías cargar toda la documentación del proyecto, toda la correspondencia y todas las especificaciones, y dejar que la IA lo resuelva. Pero Anthropic lo dice claramente en su blog de ingeniería:
Debes tratar el contexto como un recurso finito con rendimientos decrecientes.
En otras palabras, el contexto es un recurso finito con rendimientos decrecientes. Cada token adicional no aporta beneficios de forma lineal. Cuanto más larga es la ventana, peor trabaja el modelo con la información que contiene.
La habilidad principal en 2026 no es mantenerlo todo abierto. Es cambiar rápidamente entre contextos acotados, uno por tarea.
El mayor error: ¿más contexto significa un peor resultado?
Puntos clave
Cuanto más largo es el contexto, peor trabaja el modelo con la información que contiene. Este fenómeno se llama Context Rot. También interviene el efecto Lost in the Middle: los modelos recuerdan el principio y el final del contexto, pero se saltan la parte central. La conclusión práctica es que los archivos de memoria largos juegan en tu contra.
El segundo efecto, Lost in the Middle, actúa en paralelo.
En la práctica, una regla importante enterrada en un CLAUDE.md largo puede recibir menos atención. Es un riesgo que debes probar con tareas reales, no una garantía de que se ignore una línea concreta.
Anthropic recomienda un límite de longitud en la documentación de CLAUDE.md:
Procura que CLAUDE.md tenga menos de 200 líneas; los archivos más largos consumen más contexto y reducen la adherencia a las instrucciones.
Menos de 200 líneas es un objetivo de longitud de la guía, no un umbral donde deje de cumplirse lo escrito. Las 80–120 líneas son una preferencia práctica del autor en los proyectos descritos, no otra exigencia de Anthropic. Conserva instrucciones pertinentes y prueba las reglas importantes: cada línea compite por atención y contexto. Para saber más sobre cómo configurar CLAUDE.md para ajustarlo a este límite, consulta la guía «Cómo configurar CLAUDE.md en 2026».
5 principios del Context Engineering según Anthropic
Puntos clave
En su blog de ingeniería del 29 de septiembre de 2025, Anthropic recogió 5 estrategias básicas de contexto: recurso finito, recuperación justo a tiempo, toma de notas estructurada, compactación y arquitecturas de subagentes. Este es el canon que citan ahora los demás autores sobre el tema.
Principio 1. El contexto es un recurso finito
Esta es la premisa básica sin la cual no funcionan los otros cuatro principios. Anthropic escribe:
La recomendación general para todos los componentes del contexto (prompts del sistema, herramientas, ejemplos, historial de mensajes, etc.) es seleccionarlos con cuidado y mantener un contexto informativo, pero denso.
«Denso» significa «con mucha información y sin relleno». Cada token de la ventana debería cambiar sustancialmente la decisión del modelo. Si una línea de CLAUDE.md dice «intentamos escribir código limpio», puedes borrarla: no aporta ninguna señal.
Principio 2. Recuperación justo a tiempo
El agente de IA recupera los datos sobre la marcha mediante herramientas en vez de precargarlo todo en la ventana. Esta es la arquitectura de Claude Code: en lugar de una base de datos vectorial o un índice, el agente utiliza glob y grep, igual que un ingeniero que busca código manualmente.
Cuándo usarlo: no sabes de antemano qué pasajes necesitará la tarea.
Principio 3. Toma de notas estructurada
El agente escribe notas en un almacenamiento externo y las carga cuando las necesita. En Claude Code, esto se implementa mediante la herramienta de memoria. Anthropic lo describe así en su cookbook:
La memoria consiste en notas estructuradas: el agente escribe en un almacenamiento externo persistente para seguir el progreso entre tareas y sesiones sin mantenerlo todo en el contexto activo.
Cuándo usarlo: en sesiones largas, al pasar de una sesión a otra y para acumular conocimiento del proyecto.
Principio 4. Compactación
A medida que se acerca el límite, el historial de mensajes se comprime en un resumen. En Claude Code, esto se hace con el comando /compact, además de la compactación automática cuando la ventana alcanza aproximadamente el 80 %. Anthropic escribe:
La compactación comprime toda la ventana cuando se vuelve demasiado grande.
Cuándo usarla: en conversaciones analíticas largas, cuando el historial del chat se ha convertido en un lastre y ocupa la ventana en vez de ayudar.
Principio 5. Arquitecturas de subagentes
Los subagentes especializados trabajan en paralelo en sus propias ventanas de contexto y devuelven resúmenes comprimidos al agente principal. Anthropic escribe:
Los subagentes contribuyen a la compresión: trabajan en paralelo con sus propias ventanas de contexto mientras investigan diferentes aspectos de una pregunta al mismo tiempo.
Cifras de una prueba interna de Anthropic: un agente principal Claude Opus 4 junto con subagentes Claude Sonnet 4 ofrece +90,2 % de calidad frente a un solo Claude Opus 4 en tareas de investigación. El coste: alrededor de 15× más tokens. La conclusión: se justifica cuando el resultado es valioso.
Para saber más sobre cómo configurar subagentes en Claude Code, consulta la guía «Subagentes para Claude Code».
7 errores que consumen tokens y perjudican Claude Code
Puntos clave
Siete anti patrones habituales, ilustrados con ejemplos de proyectos. Cada uno consume tokens sin aportar beneficios o provoca alucinaciones debido a Context Rot. Debajo de cada uno se explica cómo lo aborda el Context Engineering.
| # | Anti patrón | Qué ocurre | Cómo solucionarlo |
|---|---|---|---|
| 1 | Pegar el README completo y 5 archivos de código en un solo prompt | La ventana se llena en un 50 % en un solo turno y enseguida alcanza el límite | Usar la herramienta de memoria para los datos a largo plazo y la recuperación justo a tiempo: dejar que Claude lea los archivos mediante read_file/glob |
| 2 | CLAUDE.md con 500 líneas | Las instrucciones largas pueden reducir el cumplimiento, sobre todo si las reglas importantes quedan enterradas en el centro | 80-120 líneas, imperativos y secciones para comandos y estilo. Poner lo más importante al principio y al final |
| 3 | No ejecuto /compact en sesiones largas | Una sesión alcanza 180.000 tokens, Claude olvida los primeros mensajes y tienes que repetir el contexto a mano | Ejecutar /compact manualmente o usar la compactación automática mediante un activador. El indicador de uso del contexto en Claude para escritorio avisa de que la sesión está saturada |
| 4 | Un solo Claude para todo | Un agente planifica, busca, programa, revisa y prueba; la ventana crece exponencialmente | Usar subagentes: cada uno tiene su propio contexto y el agente principal reúne los resúmenes. Anthropic informa de +90,2 % de calidad en tareas de investigación |
| 5 | Los archivos de memoria crecen con los resultados de las herramientas | El agente vuelve a leer el mismo archivo 5 veces y llena el 96 % del contexto con resultados de llamadas a herramientas | Borrar resultados de herramientas: conservar los 4-6 resultados más recientes y borrar el resto. Se conserva el hecho de que se produjo una llamada |
| 6 | Pegar todo el repositorio en la carpeta examples/ | La IA busca un patrón entre 200 ejemplos y se pierde | Mantener 3-7 patrones de referencia en examples/, cada uno para un tipo concreto de tarea |
| 7 | Una lista Markdown de 200 líneas como «plan de funcionalidades» | Una lista larga sin estructura dificulta el seguimiento; no hay un punto de fallo universal en la línea 50 | Usar un artefacto HTML o un plan numerado en un archivo aparte |
El Cookbook de Anthropic describe una medición concreta para el error n.º 5: en la sesión de referencia, el primer documento del contexto (sobre C. elegans) estaba técnicamente en la ventana, pero enterrado bajo 335.000 tokens. Técnicamente estaba disponible. En la práctica, el modelo no lo recordaba. Con la herramienta de memoria, el problema se resuelve así: el archivo de notas aging_model_organisms_comparison.md ocupa unos 3000 tokens, en lugar de volver a cargar el corpus original.
Una comparación doméstica: la ventana de contexto es un escritorio. Si hay 200 documentos encima, no encontrarás el que necesitas aunque esté ahí. El Context Engineering consiste en «dejar en el escritorio solo lo que necesitas ahora, archivar el resto y cargarlo cuando lo solicites».
¿Cómo puedes montar una configuración funcional en una tarde?
Puntos clave
Una configuración mínima y funcional de Context Engineering en Claude Code tiene 7 elementos: CLAUDE.md, ejemplos, documentos PRP, la herramienta de memoria, /compact, subagentes y recuperación justo a tiempo mediante herramientas. El marco básico tarda 30-40 minutos en configurarse; una configuración completa con ejemplos y prompts verificados lleva una tarde. Puedes ir perfeccionándola sobre la marcha.
Los siete pasos, en orden:
CLAUDE.md con 80-120 líneas. En la raíz del proyecto. Usa imperativos, no descripciones. En su documentación oficial, Anthropic recomienda el principio
Specificity: las reglas deben ser concretas y no admitir ambigüedades, no principios generales. En la práctica, «nunca uses mocks inline en las pruebas» funciona mejor que «intentamos escribir código limpio». Para consultar una plantilla detallada, visita la guía «Cómo configurar CLAUDE.md».Una carpeta
examples/con 3-7 patrones verificados. Un ejemplo para cada patrón habitual: una llamada a una API, escribir una prueba, una migración y el manejo de errores. Cuando Claude ve un patrón enexamples/, lo reproduce exactamente. Sin ejemplos, va improvisando.Documentos PRP para las funciones principales. PRP = Product Requirements Prompt. Un archivo por función: contexto + plan + validación + ejemplos.
Una herramienta de memoria para conservar datos a largo plazo entre sesiones. En el Cookbook de Anthropic, la herramienta de memoria de Claude está implementada como un repositorio de notas estructuradas. Cuando el agente retoma una tarea en una sesión nueva, primero lee las notas, en vez de volver a leer todo el corpus.
/compacty compactación automática al 80 % del límite. No esperes a que la ventana alcance su límite. Activa la compactación automática en la configuración o ejecuta tú mismo/compactcuando la sesión parezca dar vueltas en círculo.Subagentes para investigar, revisar y planificar. Cada subagente tiene su propio contexto y un prompt acotado. El agente principal recibe solo el resumen, no el material sin procesar. Consulta «Subagentes para Claude Code» y «Skills para Claude Code» para obtener más detalles (Skills permiten agrupar conocimientos especializados que Claude aplica automáticamente).
Recuperación justo a tiempo en vez de precargar. No vuelques todo el repositorio en la ventana. Deja que Claude busque con
globygrep. Esta es la arquitectura del propio Claude Code.
Otras reglas prácticas basadas en la experiencia con proyectos descrita:
- Una tarea, una ventana. Cuando termines, ciérrala y abre una nueva. No acumules el historial de varias tareas seguidas.
- Plantilla para el primer comando de una ventana nueva. Usa siempre el mismo texto: «Lee, en este orden,
CLAUDE.mdy el área de la tarea. Confírmalo en una línea. No empieces la tarea; espera el siguiente mensaje». En el flujo de trabajo descrito, esta plantilla está guardada en un editor de fragmentos con una sola tecla de acceso rápido. - Cuando la ventana de contexto esté llena en más del 60 %, cambia a una nueva. Técnica provisional: pide a Claude: «escribe un prompt para que el chat contiguo pueda continuar con tu tarea sin perder el sentido», cópialo y abre una ventana nueva.
- Cada error de la IA es un motivo para añadir una regla. No escribas reglas a mano en los archivos de memoria. Dile a Claude «eso está mal porque...» en el momento del error, y dará formato a la regla en un archivo según la convención «Regla → Por qué → Cómo».
¿Qué viene ahora? ¿Cómo evolucionará la disciplina del Context Engineering?
Puntos clave
En 2026, el Context Engineering está pasando de archivos Markdown basados en texto a formatos más estructurados. Ha aparecido la función Dreaming, en la que un agente vuelve a examinar sesiones anteriores durante la noche. Lo siguiente serán los artefactos HTML, la memoria persistente y la orquestación multiagente en todo el equipo de producto.
Una dirección en la que la disciplina está avanzando ahora mismo:
Dreaming: volver a examinar las sesiones durante la noche. En Code w/ Claude SF, el 6 de mayo de 2026, Anthropic mostró una función en la que un agente vuelve a examinar sesiones anteriores durante la noche y actualiza sus propias notas. Ahora, los archivos de memoria estructurada crecen no solo cuando tú los escribes, sino también cuando el agente extrae conclusiones de la experiencia acumulada.
Una tendencia está clara: el Context Engineering se está convirtiendo en una disciplina completa para diseñar información para agentes de IA, en vez de limitarse a «cómo escribir CLAUDE.md». El Prompt Engineering fue uno de los primeros niveles de esta disciplina. El Context Engineering es el siguiente.
Lo mínimo que vale la pena montar la primera tarde: configurar CLAUDE.md con 80-120 líneas (guía aquí), crear una carpeta con una estructura para el conocimiento empresarial, aprender a usar /compact y dejar de agotar los límites.
A continuación, añade subagentes (guía) y Skills para trasladar los conocimientos especializados del contexto compartido a Skills específicos.
Fuentes
- Context Engineering eficaz para agentes de IA - Anthropic Applied AI team, 29.09.2025. El texto canónico con 4 principios del Context Engineering.
- Cómo creamos nuestro sistema de investigación multiagente - Anthropic Engineering, 13.06.2025. Fuente de las cifras de +90,2 % de calidad y 15× tokens.
- Anthropic Cookbook - Context Engineering con uso de herramientas - Elementos prácticos: compactación, borrado de resultados de herramientas y herramienta de memoria.
- Documentación de Claude Code sobre memoria - Guía de instrucciones concisas y específicas; el objetivo citado es menos de 200 líneas. Las 80–120 son una preferencia del autor.
Descubre Ailoot.
Más detalles
Preguntas sobre Claude Code
¿200 líneas es un límite estricto de CLAUDE.md?
No. La guía citada recomienda menos de 200 para conservar contexto y mejorar el seguimiento. Las 80–120 líneas son la preferencia práctica del autor; verifica las reglas importantes en tareas reales sin tratar el número de líneas como garantía.
¿Qué debería salir del contexto inicial?
Mueve ejemplos detallados, resultados largos de herramientas y referencias específicas de tareas a otros archivos. Mantén reglas concisas y referencias en CLAUDE.md y recupera los pasajes pertinentes cuando la tarea los necesite.