Inżynieria kontekstu: czym jest i jak stosować ją w Claude Code
MarkdownCzym jest inżynieria kontekstu i czym różni się od inżynierii promptów. Kanon Anthropic, 7 błędów i minimalna konfiguracja Claude Code.
Przeczytaj cały artykuł
Najważniejsze informacje
Inżynieria kontekstu to dziedzina polegająca na konfigurowaniu wszystkiego, co trafia do okna kontekstu Claude’a przed Twoją wiadomością: promptu systemowego, narzędzi, historii, plików pamięci i danych z narzędzi. W 2026 roku zastąpiła inżynierię promptów jako kluczowa umiejętność — tak twierdzi Anthropic. Ten przewodnik omawia kanon oparty na źródłach pierwotnych, 7 częstych błędów, przez które marnowane są tokeny, oraz praktyczną konfigurację Claude Code w 7 krokach.
Informacje o pracy z Ailoot znajdziesz w dokumentacji.
Czym jest inżynieria kontekstu?
Najważniejsze informacje
Inżynieria kontekstu to dziedzina polegająca na dobieraniu wszystkiego, co na każdym etapie trafia do okna kontekstu agenta AI: promptu systemowego, narzędzi, historii, plików pamięci i danych ze źródeł zewnętrznych. Inżynieria promptów odpowiada na pytanie „Jak napisać prompt?”. Inżynieria kontekstu odpowiada na pytanie „Co wie AI, kiedy piszesz prompt?”.
Anthropic ugruntował to określenie we wpisie na blogu inżynieryjnym z 29 września 2025 roku:
Inżynieria kontekstu to zbiór strategii służących do wybierania i utrzymywania optymalnego zestawu tokenów (informacji) podczas wnioskowania LLM, obejmujący wszystko, co trafia do modelu poza samymi promptami.
Ten sam artykuł zawiera najważniejszą wskazówkę, która pozwala zmienić perspektywę:
Praca z modelami językowymi coraz mniej polega na szukaniu właściwych słów i zwrotów w promptach, a coraz bardziej na odpowiedzi na szersze pytanie: „Jaka konfiguracja kontekstu z największym prawdopodobieństwem wywoła pożądane zachowanie modelu?”
Najważniejsza myśl: kontekst to nie wiadomość, którą piszesz. Kontekst to cały zestaw informacji, które AI widzi przed Twoją wiadomością — prompt systemowy, opisy narzędzi, historię rozmowy, pliki pamięci i dane wczytane przez MCP. Prompt jest ostatnim krokiem. Inżynieria kontekstu to architektura wszystkiego, co trafia do okna.
Dlaczego inżynieria promptów stała się przestarzała w 2026 roku?
Najważniejsze informacje
Inżynieria promptów powstała, gdy modele pracowały z pojedynczym promptem — jedna tura, jedno zadanie. W 2026 roku agenci AI działają podczas długich sesji, korzystając z narzędzi, pamięci, podagentów i danych pobieranych na bieżąco za pomocą narzędzi. W tej architekturze umiejętność formułowania pojedynczego promptu nie jest już najważniejsza; liczy się dobór wszystkich informacji widzianych przez agenta.
Zmiana nastąpiła latem 2025 roku.
29 września 2025: Anthropic ugruntowuje tę dziedzinę we wpisie na blogu inżynieryjnym i przedstawia kanon 4 zasad.
Inżynieria promptów nie „umarła”. Stała się podstawową umiejętnością, jak pisanie na klawiaturze. Na jej bazie powstała dziedzina, bez której agenci AI nie radzą sobie z długimi zadaniami: inżynieria kontekstu.
Czym różni się inżynieria kontekstu od inżynierii promptów? 5 różnic
Najważniejsze informacje
Inżynieria promptów optymalizuje pojedynczy prompt: dobierasz jego brzmienie, szablon i ton. Inżynieria kontekstu projektuje całe środowisko informacyjne przed tym promptem: prompt systemowy, narzędzia, historię sesji, pliki pamięci i wyszukiwanie. Różnica dotyczy pięciu kwestii: tego, co jest optymalizowane, horyzontu czasowego, głównego ryzyka, kluczowej umiejętności i źródła w projekcie.
| Aspekt | Inżynieria promptów | Inżynieria kontekstu |
|---|---|---|
| Co jest optymalizowane | Brzmienie pojedynczego promptu | Cały zestaw tokenów: prompt systemowy + narzędzia + historia + pobrane dane |
| Horyzont czasowy | Jedna tura | Wiele tur i przejścia między sesjami |
| Główne ryzyko | Model nie rozumie promptu | Model tonie w szumie (degradacja kontekstu) |
| Kluczowa umiejętność | Copywriting i rozumienie modelu | Architektura informacji i ukierunkowane wyszukiwanie |
| Źródło w projekcie | Szablon promptu | CLAUDE.md, pliki pamięci, wyszukiwanie, podagenci, kompakcja |
| Metafora | „Jak napisać prompt” | „Co wie AI, gdy podajesz prompt” |
Inżynieria kontekstu to nie „wrzucanie wszystkiego”. To precyzyjne dawkowanie. Zbyt mało kontekstu sprawia, że AI go nie ma i halucynuje. Zbyt dużo — AI tonie w szumie, traci wątek w środku, a koszty rosną.
Inżynieria promptów zajmowała się ostatnim krokiem. Inżynieria kontekstu zajmuje się wszystkim, co go poprzedza.
Dlaczego 1 mln tokenów nie oznacza „wrzuć wszystko”?
Najważniejsze informacje
W 2026 roku okna kontekstu modeli urosły: Claude Opus 4.7 i Sonnet 4.6 obsługują 1 million tokens. To stwarza złudzenie, że można wrzucić całe repozytorium do okna. W praktyce duże okno nie oznacza dużej użytecznej pamięci — modele zaczynają działać gorzej na długo przed osiągnięciem limitu.
Obecne limity kontekstu modeli Claude:
| Model | Okno kontekstu | Dostępność |
|---|---|---|
| Claude Haiku 4.5 | 200,000 tokenów | wszystkie plany |
| Claude Sonnet 4.6 | 1,000,000 tokenów | Pro+ z kredytami za użycie |
| Claude Opus 4.7 | 1,000,000 tokenów | Pro, Max, Team, Enterprise |
1M tokenów to około 2,500 stron tekstu. Wydaje się, że można wczytać całą dokumentację projektu, całą korespondencję i wszystkie specyfikacje, a potem pozwolić AI je przeanalizować. Anthropic mówi jednak wprost na swoim blogu inżynieryjnym:
Kontekst należy traktować jako ograniczony zasób o malejących korzyściach.
Innymi słowy, kontekst to ograniczony zasób o malejących korzyściach. Każdy kolejny token nie przynosi proporcjonalnych korzyści. Im dłuższe okno, tym gorzej model radzi sobie z zawartymi w nim informacjami.
Najważniejszą umiejętnością w 2026 roku nie jest pozostawianie wszystkiego otwartego. To szybkie przełączanie się między wąskimi kontekstami — po jednym na każde zadanie.
Największy błąd: czy więcej kontekstu oznacza gorszy wynik?
Najważniejsze informacje
Im dłuższy kontekst, tym gorzej model radzi sobie z zawartymi w nim informacjami. Zjawisko to nazywa się degradacją kontekstu. Równolegle występuje efekt „zgubienia w środku”: modele mogą gorzej wykorzystać informacje ze środka długiego kontekstu niż z jego początku lub końca. Praktyczny wniosek jest taki, że długie pliki pamięci działają na Twoją niekorzyść.
Równolegle działa drugi efekt — „zgubienie w środku”.
W praktyce oznacza to, że jeśli ważna reguła znajduje się w środku pliku CLAUDE.md, model może ją pominąć.
Anthropic zaleca limit długości w dokumentacji CLAUDE.md:
Staraj się, by CLAUDE.md miał mniej niż 200 wierszy — dłuższe pliki zużywają więcej kontekstu i zmniejszają przestrzeganie instrukcji.
Poniżej 200 wierszy to cel długości w cytowanych wskazówkach, a nie twardy próg utraty przestrzegania zasad. Zakres 80-120 wierszy to preferencja autora z opisanych projektów, nie osobny wymóg Anthropic. Zachowuj istotne instrukcje i sprawdzaj stosowanie ważnych zasad; każdy dodatkowy wiersz konkuruje o uwagę i kontekst. Więcej informacji o zwięzłej konfiguracji CLAUDE.md znajdziesz w przewodniku „Jak skonfigurować CLAUDE.md w 2026 roku”.
5 zasad inżynierii kontekstu według Anthropic
Najważniejsze informacje
W blogu inżynieryjnym z 29 września 2025 roku Anthropic opisał 5 podstawowych strategii pracy z kontekstem: ograniczony zasób, pobieranie informacji na żądanie, uporządkowane notatki, kompakcję i architekturę z podagentami. To kanon, na który powołują się dziś inni autorzy piszący na ten temat.
Zasada 1. Kontekst jest ograniczonym zasobem
To podstawowe założenie, bez którego pozostałe cztery zasady nie działają. Anthropic pisze:
Ogólna rada dotycząca wszystkich elementów kontekstu (promptów systemowych, narzędzi, przykładów, historii wiadomości itp.) jest taka, by dobrze je przemyśleć i utrzymywać kontekst bogaty w informacje, ale zarazem zwięzły.
„Zwięzły” oznacza „gęsty w informacje, bez wypełniaczy”. Każdy token w oknie powinien mieć istotny wpływ na decyzję modelu. Jeśli w CLAUDE.md znajduje się zdanie „staramy się pisać czysty kod”, możesz je usunąć — nie przekazuje żadnej informacji.
Zasada 2. Pobieranie informacji na żądanie
Agent AI pobiera dane za pomocą narzędzi na bieżąco, zamiast wczytywać wszystko wcześniej do okna. Tak działa architektura Claude Code: agent używa glob i grep zamiast bazy wektorowej lub indeksu — tak jak inżynier wyszukuje kod ręcznie.
Kiedy stosować: gdy nie wiesz z góry, których fragmentów będzie wymagać zadanie.
Zasada 3. Uporządkowane notatki
Agent zapisuje notatki w zewnętrznym magazynie i wczytuje je w razie potrzeby. W Claude Code realizuje to narzędzie pamięci. Anthropic opisuje je w Cookbooku następująco:
Pamięć to uporządkowane notatki: agent zapisuje je w trwałym zewnętrznym magazynie, aby śledzić postępy między zadaniami i sesjami, nie przechowując wszystkiego w aktywnym kontekście.
Kiedy stosować: podczas długich sesji, przechodzenia między sesjami i gromadzenia wiedzy o projekcie.
Zasada 4. Kompakcja
Kompresowanie historii wiadomości do podsumowania w miarę zbliżania się do limitu. W Claude Code służy do tego polecenie /compact oraz automatyczna kompakcja, gdy okno zapełni się w około 80%. Anthropic pisze:
Kompakcja kompresuje całe okno, gdy staje się ono zbyt duże.
Kiedy stosować: podczas długich rozmów analitycznych, gdy historia czatu stała się balastem i zapełnia okno, zamiast pomagać.
Zasada 5. Architektura z podagentami
Wyspecjalizowane podagenty pracują równolegle we własnych oknach kontekstu i przekazują głównemu agentowi skompresowane podsumowania. Anthropic pisze:
Podagenci pomagają kompresować informacje: pracują równolegle we własnych oknach kontekstu, badając jednocześnie różne aspekty pytania.
Według danych z wewnętrznego testu Anthropic główny agent Claude Opus 4 wraz z podagentami Claude Sonnet 4 osiąga jakość wyższą o +90.2% niż pojedynczy Claude Opus 4 w zadaniach badawczych. Koszt: około 15× więcej tokenów. Wniosek: warto tak postępować, gdy rezultat ma dużą wartość.
Więcej informacji o konfiguracji podagentów w Claude Code znajdziesz w przewodniku „Podagenci w Claude Code”.
7 błędów, które marnują tokeny i psują Claude Code
Najważniejsze informacje
Siedem częstych antywzorców opisanych na przykładach projektów. Każdy z nich albo marnuje tokeny bez korzyści, albo wywołuje halucynacje wskutek degradacji kontekstu. Pod każdym opisano, jak rozwiązuje ten problem inżynieria kontekstu.
| # | Antywzorzec | Co się dzieje | Jak to naprawić |
|---|---|---|---|
| 1 | Wklejenie całego README i 5 plików z kodem do jednego promptu | W jednej turze zapełnia się 50% okna, a limit szybko zostaje osiągnięty | Do długoterminowych faktów używaj narzędzia pamięci, a do reszty pobierania na żądanie — pozwól Claude’owi samodzielnie czytać pliki przez read_file/glob |
| 2 | CLAUDE.md liczący 500 wierszy | Długie instrukcje mogą osłabić przestrzeganie zasad, zwłaszcza ukrytych w środku | 80-120 wierszy, tryb rozkazujący, osobne sekcje dla poleceń i stylu. Najważniejsze informacje umieść na początku i na końcu |
| 3 | Nieuruchamianie /compact podczas długich sesji | Sesja osiąga 180k tokenów, Claude zapomina pierwsze wiadomości, a Ty ręcznie powtarzasz kontekst | Ręcznie uruchamiaj /compact albo korzystaj z automatycznej kompakcji wyzwalanej progiem. Oznaką przeciążenia jest wskaźnik użycia kontekstu w Claude na komputerze |
| 4 | Jeden Claude do wszystkiego | Jeden agent planuje, wyszukuje, programuje, sprawdza i testuje — okno rośnie wykładniczo | Podagenci: każdy ma własny kontekst, a główny agent zbiera podsumowania. Anthropic podaje wzrost jakości o +90.2% w zadaniach badawczych |
| 5 | Pliki pamięci puchną od wyników narzędzi | Agent pięć razy odczytuje ten sam plik, a wyniki wywołań narzędzi wypełniają 96% kontekstu | Usuwanie wyników narzędzi: zachowuj 4-6 najnowszych wyników, a resztę czyść. Informacja o tym, że wywołanie miało miejsce, zostaje zachowana |
| 6 | Wklejenie całego repozytorium do folderu examples/ | AI szuka wzorca wśród 200 przykładów i się gubi | Umieść w examples/ 3-7 kanonicznych wzorców, każdy dla określonego typu zadania |
| 7 | Lista w Markdownie licząca 200 wierszy jako „plan funkcji” | Długa nieuporządkowana lista może utrudnić śledzenie zadania; brak uniwersalnego punktu awarii w wierszu 50 | Użyj artefaktu HTML albo ponumerowanego planu w osobnym pliku |
Cookbook Anthropic podaje konkretny pomiar dotyczący błędu nr 5: w sesji bazowej pierwszy dokument w kontekście (o nicieniu C. elegans) technicznie znajdował się w oknie, ale był pogrzebany pod 335k tokenów. Był dostępny technicznie. W praktyce model go nie pamiętał. Narzędzie pamięci rozwiązuje problem w następujący sposób: plik notatek aging_model_organisms_comparison.md zajmuje około 3000 tokenów, zamiast ponownie wczytywać oryginalny korpus.
Przykład z życia codziennego: okno kontekstu to biurko. Jeśli leży na nim 200 dokumentów, nie znajdziesz potrzebnego, nawet jeśli się tam znajduje. Inżynieria kontekstu to sztuka „pozostawiania na biurku tylko tego, czego teraz potrzebujesz, odkładania reszty do archiwum i wczytywania jej na żądanie”.
Jak przygotować działającą konfigurację w jeden wieczór?
Najważniejsze informacje
Minimalna, działająca konfiguracja inżynierii kontekstu w Claude Code ma 7 elementów: CLAUDE.md, examples, dokumenty PRP, narzędzie pamięci, /compact, podagentów oraz pobieranie informacji na żądanie przez narzędzia. Podstawowe ramy można skonfigurować w 30-40 minut; pełna konfiguracja z przykładami i zweryfikowanymi promptami zajmuje jeden wieczór. Możesz ją dopracowywać w trakcie pracy.
Oto siedem kroków w kolejności:
CLAUDE.md liczący 80-120 wierszy. Umieść go w katalogu głównym projektu. Stosuj tryb rozkazujący zamiast opisów. W oficjalnej dokumentacji Anthropic zaleca zasadę
Specificity: reguły powinny być konkretne i jednoznaczne, a nie ogólne. W praktyce „nigdy nie używaj inline mocks w testach” działa lepiej niż „staramy się pisać czysty kod”. Szczegółowy szablon znajdziesz w przewodniku „Jak skonfigurować CLAUDE.md”.Folder
examples/z 3-7 zweryfikowanymi wzorcami. Przygotuj po jednym przykładzie dla każdego częstego wzorca: wywołanie API, napisanie testu, migracja, obsługa błędów. Gdy Claude zobaczy wzorzec wexamples/, dokładnie go odtworzy. Bez przykładów zgaduje w trakcie pracy.Dokumenty PRP dla ważnych funkcji. PRP = Product Requirements Prompt. Jeden plik na funkcję: kontekst + plan + walidacja + przykłady.
Narzędzie pamięci do przechowywania długoterminowych faktów między sesjami. W Cookbooku Anthropic narzędzie pamięci Claude’a jest zaimplementowane jako uporządkowany magazyn notatek. Gdy agent wraca do zadania w nowej sesji, najpierw czyta notatki zamiast ponownie przeglądać cały korpus.
/compactoraz automatyczna kompakcja przy 80% limitu. Nie czekaj, aż okno osiągnie limit. Włącz automatyczną kompakcję w ustawieniach albo samodzielnie uruchom/compact, gdy masz wrażenie, że sesja kręci się w kółko.Podagenci do badań / przeglądów / planowania. Każdy podagent ma własny kontekst i wąski prompt. Główny Claude otrzymuje samo podsumowanie, a nie surowe materiały. Więcej szczegółów znajdziesz w przewodnikach „Podagenci w Claude Code” i „Skills w Claude Code” (Skills to sposób na spakowanie wąskiej specjalistycznej wiedzy w umiejętność, którą Claude stosuje automatycznie).
Pobieranie informacji na żądanie zamiast wstępnego wczytywania. Nie wrzucaj całego repozytorium do okna. Pozwól Claude’owi samodzielnie przeszukiwać je za pomocą
globigrep. Tak działa sama architektura Claude Code.
Dodatkowe praktyczne zasady wynikające z opisanych doświadczeń projektowych:
- Jedno zadanie, jedno okno. Po zakończeniu zamknij je i otwórz nowe. Nie kumuluj historii z kilku kolejnych zadań.
- Szablon pierwszego polecenia w nowym oknie. Za każdym razem używaj tego samego tekstu: „Przeczytaj po kolei
CLAUDE.mdi obszar zadania. Potwierdź w jednej linijce. Nie zaczynaj zadania; poczekaj na następną wiadomość”. W opisanym przepływie pracy ten szablon jest zapisany we wstawce tekstu i wywoływany jednym skrótem klawiszowym. - Gdy okno kontekstu jest zapełnione w >60%, przełącz się na nowe. Tymczasowa metoda: poproś Claude’a „napisz prompt, dzięki któremu sąsiedni czat będzie mógł kontynuować Twoje zadanie bez utraty sensu”, skopiuj go i otwórz nowe okno.
- Każdy błąd AI to powód do dodania reguły. Nie zapisuj reguł ręcznie w plikach pamięci. W chwili błędu powiedz Claude’owi „to jest nieprawidłowe, ponieważ...”, a on sformułuje regułę w pliku zgodnie z konwencją „Reguła → Dlaczego → Jak”.
Co dalej: jak rozwinie się dziedzina inżynierii kontekstu?
Najważniejsze informacje
W 2026 roku inżynieria kontekstu przechodzi od tekstowych plików Markdown do bardziej uporządkowanych formatów. Pojawiła się funkcja Dreaming, w której agent ponownie analizuje wcześniejsze sesje w nocy. Kolejne kierunki to artefakty HTML, trwała pamięć i orkiestracja wielu agentów w całym zespole produktowym.
Jeden kierunek, w którym dziedzina rozwija się obecnie:
Dreaming — nocne ponowne analizowanie sesji. Podczas Code w/ Claude SF 6 maja 2026 roku Anthropic pokazał funkcję, w której agent w nocy ponownie analizuje wcześniejsze sesje i aktualizuje własne notatki. Uporządkowane pliki pamięci rozrastają się teraz nie tylko wtedy, gdy je zapisujesz, ale też wtedy, gdy agent wyciąga wnioski z nagromadzonych doświadczeń.
Jeden trend jest oczywisty: inżynieria kontekstu staje się pełnoprawną dziedziną projektowania informacji dla agentów AI, a nie tylko „sposobem pisania CLAUDE.md”. Inżynieria promptów była jednym z pierwszych poziomów tej dziedziny. Kolejny to inżynieria kontekstu.
Minimum, które warto przygotować pierwszego wieczoru: skonfiguruj CLAUDE.md na 80-120 wierszy (przewodnik tutaj), utwórz folder z uporządkowaną wiedzą biznesową, naucz się używać /compact i przestań marnować limity.
Następnie dodaj podagentów (przewodnik) i Skills, aby przenieść specjalistyczną wiedzę ze wspólnego kontekstu do dedykowanych umiejętności.
Źródła
- Effective context engineering for AI agents - Anthropic Applied AI team, 29.09.2025. Kanoniczny tekst z 4 zasadami inżynierii kontekstu.
- How we built our multi-agent research system - Anthropic Engineering, 13.06.2025. Źródło danych o wzroście jakości o +90.2% i zużyciu 15× więcej tokenów.
- Anthropic Cookbook - Context engineering with tool use - Praktyczne podstawowe narzędzia: kompakcja, czyszczenie wyników narzędzi i narzędzie pamięci.
- Claude Code Memory docs - Wskazówki dotyczące zwięzłych, konkretnych instrukcji projektu; cytowany cel to poniżej 200 wierszy. Zakres 80-120 wierszy jest preferencją autora.
Poznaj Ailoot.
Więcej szczegółów
Pytania i odpowiedzi
Czy 200 wierszy to twardy limit CLAUDE.md?
Nie. Cytowane wskazówki zalecają mniej niż 200 wierszy dla oszczędzania kontekstu i lepszego przestrzegania instrukcji. Autorskie 80-120 wierszy to praktyczna preferencja; ważne zasady sprawdzaj na rzeczywistych zadaniach zamiast traktować liczbę wierszy jako gwarancję.
Co przenieść poza kontekst początkowy?
Przenieś szczegółowe przykłady, długie wyniki narzędzi i materiały właściwe konkretnemu zadaniu do osobnych plików. W CLAUDE.md zachowaj zwięzłe zasady i odnośniki, a odpowiednie fragmenty pobieraj wtedy, gdy wymaga ich zadanie.