Engenharia de contexto em 2026: diferenças face aos prompts e aplicação no Claude Code
MarkdownO que é engenharia de contexto e em que difere da engenharia de prompts. O cânone Anthropic, 7 erros e uma configuração mínima para Claude Code.
Ler o artigo completo
Pontos principais
A engenharia de contexto é a disciplina de configurar tudo o que entra na janela de contexto do Claude antes da sua mensagem: o prompt de sistema, as ferramentas, o histórico, os ficheiros de memória e os dados das ferramentas. Em 2026, substituiu a engenharia de prompts como competência essencial — é o que diz a Anthropic. Este guia aborda o cânone das fontes primárias, 7 erros comuns que desperdiçam tokens e uma configuração prática em 7 passos para o Claude Code.
As informações sobre como trabalhar com Ailoot estão disponíveis na documentação.
O que é engenharia de contexto — numa frase?
Pontos principais
A engenharia de contexto é a disciplina de selecionar tudo o que entra na janela de contexto de um agente de IA em cada passo: o prompt de sistema, as ferramentas, o histórico, os ficheiros de memória e os dados de fontes externas. A engenharia de prompts respondia à pergunta «Como se escreve um prompt?». A engenharia de contexto responde à pergunta «O que sabe a IA quando se escreve um prompt?»
A Anthropic estabeleceu o termo numa publicação do blogue de engenharia a 29 de setembro de 2025:
A engenharia de contexto é o conjunto de estratégias para selecionar e manter o conjunto ideal de tokens (informação) durante a inferência de LLM, incluindo tudo o que é introduzido para além dos próprios prompts.
O mesmo artigo oferece a frase mais importante para mudar de perspetiva:
Trabalhar com modelos de linguagem está cada vez menos relacionado com encontrar as palavras e expressões certas nos prompts e cada vez mais com responder a uma pergunta mais abrangente: «Que configuração de contexto tem maior probabilidade de produzir o comportamento desejado do modelo?»
A ideia principal: o contexto não é a mensagem que escreve. O contexto é o conjunto completo de informações que a IA vê antes da sua mensagem — o prompt de sistema, as descrições das ferramentas, o histórico da conversa, os ficheiros de memória e os dados carregados através de MCP. O prompt é o passo final. A engenharia de contexto é a arquitetura de tudo o que é introduzido na janela.
Porque é que a engenharia de prompts ficou desatualizada em 2026?
Pontos principais
A engenharia de prompts surgiu quando os modelos trabalhavam com um único prompt — uma interação, uma tarefa. Em 2026, os agentes de IA executam sessões longas com ferramentas, memória, subagentes e dados obtidos em tempo real através de ferramentas. Nesta arquitetura, formular um único prompt já não é a competência principal; o essencial é selecionar toda a informação que o agente vê.
A mudança ocorreu durante o verão de 2025.
29 de setembro de 2025: a Anthropic estabelece a disciplina numa publicação do blogue de engenharia e apresenta um cânone de 4 princípios.
A engenharia de prompts não «morreu». Tornou-se uma competência básica, como saber escrever num teclado. Sobre ela surgiu uma disciplina sem a qual os agentes de IA falham em tarefas longas: a engenharia de contexto.
Em que difere a engenharia de contexto da engenharia de prompts? 5 diferenças
Pontos principais
A engenharia de prompts otimiza um único prompt: escolhe a formulação, o modelo e o tom. A engenharia de contexto concebe todo o ambiente de informação antes desse prompt: o prompt de sistema, as ferramentas, o histórico da sessão, os ficheiros de memória e a recuperação de informação. A diferença manifesta-se em cinco níveis: o que é otimizado, o horizonte temporal, o risco principal, a competência essencial e a fonte no projeto.
| Aspeto | Engenharia de prompts | Engenharia de contexto |
|---|---|---|
| O que é otimizado | A formulação de um único prompt | O conjunto completo de tokens: prompt de sistema + ferramentas + histórico + dados recuperados |
| Horizonte temporal | Uma interação | Muitas interações e transições entre sessões |
| Risco principal | O modelo não compreende o prompt | O modelo afoga-se no ruído (context rot) |
| Competência essencial | Redação e compreensão do modelo | Arquitetura da informação e recuperação direcionada |
| Fonte no projeto | O modelo do seu prompt | CLAUDE.md, ficheiros de memória, recuperação, subagentes, compactação |
| Metáfora | «Como escrever um prompt» | «O que sabe a IA quando lhe dá um prompt» |
A engenharia de contexto não significa «despejar lá mais coisas». Trata-se de dosagem precisa. Se houver pouco contexto, a IA não dispõe de informação suficiente e alucina. Se houver demasiado, afoga-se no ruído, perde-se a meio e fica mais cara.
A engenharia de prompts tratava do passo final. A engenharia de contexto trata de tudo o que o antecede.
Porque é que 1M de tokens não significa «despejar tudo»?
Pontos principais
As janelas de contexto dos modelos cresceram em 2026: Claude Opus 4.7 e Sonnet 4.6 suportam 1 milhão de tokens. Isto cria a ilusão de que se pode despejar todo o repositório na janela. Na prática, uma janela grande não significa uma grande memória útil — os modelos começam a degradar-se muito antes do limite.
Limites de contexto atuais dos modelos Claude:
| Modelo | Janela de contexto | Disponível em |
|---|---|---|
| Claude Haiku 4.5 | 200 000 tokens | todos os planos |
| Claude Sonnet 4.6 | 1 000 000 tokens | Pro+ com créditos de utilização |
| Claude Opus 4.7 | 1 000 000 tokens | Pro, Max, Team, Enterprise |
1M de tokens corresponde a cerca de 2 500 páginas de texto. Parece que seria possível carregar toda a documentação do projeto, toda a correspondência e todas as especificações — e deixar a IA descobrir o que fazer. Mas a Anthropic afirma claramente no seu blogue de engenharia:
Deve tratar o contexto como um recurso finito com rendimentos decrescentes.
Por outras palavras, o contexto é um recurso finito com rendimentos decrescentes. Cada token adicional não traz benefícios de forma linear. Quanto mais longa for a janela, pior será o desempenho do modelo ao trabalhar com a informação nela contida.
A principal competência em 2026 não é manter tudo aberto. É mudar rapidamente entre contextos restritos, um por tarefa.
O maior erro: mais contexto significa um resultado pior?
Pontos principais
Quanto mais longo for o contexto, pior o modelo trabalha com a informação nele contida. Este fenómeno chama-se context rot. Também se verifica o efeito «lost in the middle»: os modelos lembram-se do início e do fim do contexto, mas ignoram o meio. A conclusão prática é que ficheiros de memória longos jogam contra si.
O segundo efeito, «lost in the middle», atua em paralelo.
Na prática, uma regra importante escondida num CLAUDE.md longo pode receber menos atenção. É um risco a testar em tarefas reais, não uma garantia de que o modelo ignorará uma determinada linha.
A Anthropic recomenda um limite de comprimento na documentação do CLAUDE.md:
Procure manter o CLAUDE.md abaixo das 200 linhas — ficheiros mais longos consomem mais contexto e reduzem o cumprimento das instruções.
Ficar abaixo de 200 linhas é um objetivo de extensão nas orientações citadas, não um limite rígido a partir do qual o cumprimento cessa. O intervalo de 80-120 linhas é a preferência de trabalho do autor nos projetos descritos, não uma exigência adicional da Anthropic. Mantenha as instruções pertinentes e teste o cumprimento das regras importantes; cada linha acrescentada compete por atenção e contexto. Para saber mais sobre como configurar o CLAUDE.md dentro deste limite, consulte o guia «Como configurar o CLAUDE.md em 2026».
5 princípios de engenharia de contexto segundo a Anthropic
Pontos principais
Na sua publicação do blogue de engenharia de 29 de setembro de 2025, a Anthropic registou 5 estratégias básicas de contexto: recurso finito, recuperação just-in-time, tomada de notas estruturada, compactação e arquiteturas com subagentes. Este é o cânone citado atualmente por todos os outros autores sobre o tema.
Princípio 1. O contexto é um recurso finito
Esta é a premissa básica, sem a qual os outros quatro princípios não funcionam. A Anthropic escreve:
A recomendação geral para todos os componentes do contexto (prompts de sistema, ferramentas, exemplos, histórico de mensagens, etc.) é usá-los com ponderação e manter o contexto informativo, mas denso.
«Denso» significa «concentrado, sem enchimento». Cada token na janela deve alterar de forma significativa a decisão do modelo. Se uma linha do CLAUDE.md disser «tentamos escrever código limpo», pode apagá-la; não transmite qualquer informação relevante.
Princípio 2. Recuperação just-in-time
O agente de IA obtém dados em tempo real através de ferramentas, em vez de pré-carregar tudo na janela. Esta é a arquitetura do Claude Code: em vez de uma base de dados vetorial ou de um índice, o agente utiliza glob e grep, tal como um programador procura código manualmente.
Quando utilizar: não sabe antecipadamente que passagens serão necessárias para a tarefa.
Princípio 3. Tomada de notas estruturada
O agente escreve notas num armazenamento externo e carrega-as conforme necessário. No Claude Code, isto é implementado através da ferramenta de memória. A Anthropic descreve-a no seu livro de receitas da seguinte forma:
A memória consiste em notas estruturadas: o agente escreve num armazenamento externo persistente para acompanhar o progresso entre tarefas e sessões sem manter tudo no contexto ativo.
Quando utilizar: sessões longas, transições entre sessões e acumulação de conhecimento sobre o projeto.
Princípio 4. Compactação
Comprimir o histórico de mensagens num resumo à medida que o limite se aproxima. No Claude Code, isto corresponde ao comando /compact, além da compactação automática quando a janela chega a cerca de 80%. A Anthropic escreve:
A compactação comprime a janela inteira quando esta se torna demasiado grande.
Quando utilizar: conversas analíticas longas em que o histórico do chat se tornou um peso morto e ocupa a janela em vez de ajudar.
Princípio 5. Arquiteturas com subagentes
Subagentes especializados trabalham em paralelo nas suas próprias janelas de contexto e devolvem resumos comprimidos ao agente principal. A Anthropic escreve:
Os subagentes ajudam a comprimir: trabalham em paralelo nas suas próprias janelas de contexto enquanto investigam diferentes aspetos de uma pergunta em simultâneo.
Números do seu próprio teste interno: um agente principal Claude Opus 4 com subagentes Claude Sonnet 4 alcança +90.2% de qualidade em tarefas de investigação, em comparação com um único Claude Opus 4. O custo: cerca de 15× mais tokens. A conclusão: justifica-se quando o resultado é valioso.
Para saber mais sobre como configurar subagentes no Claude Code, consulte o guia «Subagentes para Claude Code».
7 erros que desperdiçam tokens e prejudicam o Claude Code
Pontos principais
Sete anti-padrões comuns descritos com exemplos de projetos. Cada um desperdiça tokens sem benefício ou provoca alucinações devido ao context rot. Abaixo de cada um encontra-se a forma como a engenharia de contexto o resolve.
| # | Anti-padrão | O que acontece | Como corrigir |
|---|---|---|---|
| 1 | Colei o README completo e 5 ficheiros de código num único prompt | A janela fica 50% ocupada numa interação e atinge rapidamente o limite | Utilize a ferramenta de memória para factos a longo prazo e a recuperação just-in-time — deixe o Claude ler os ficheiros através de read_file/glob |
| 2 | CLAUDE.md com 500 linhas | Instruções longas podem reduzir o cumprimento, sobretudo com regras importantes escondidas no meio | 80-120 linhas, imperativos, secções para comandos e estilo. Coloque o mais importante no início e no fim |
| 3 | Não executo /compact em sessões longas | A sessão chega aos 180k tokens, o Claude esquece as primeiras mensagens e repete o contexto manualmente | Execute /compact manualmente ou utilize a compactação automática por acionador. Um sinal de sobrecarga é o indicador de utilização do contexto no Claude para computador |
| 4 | Um Claude para tudo | Um agente planeia, pesquisa, programa, revê e testa — a janela cresce exponencialmente | Subagentes: cada um tem o seu próprio contexto e o agente principal reúne os resumos. A Anthropic relata +90.2% de qualidade em tarefas de investigação |
| 5 | Os ficheiros de memória crescem com os resultados das ferramentas | O agente volta a ler o mesmo ficheiro 5 vezes, enchendo 96% do contexto com resultados de chamadas a ferramentas | Limpe os resultados das ferramentas: mantenha os 4-6 resultados mais recentes e apague os restantes. Fica preservado o facto de a chamada ter ocorrido |
| 6 | Colei o repositório inteiro na pasta examples/ | A IA procura um padrão entre 200 exemplos e perde-se | 3-7 padrões canónicos em examples/, cada um para um tipo específico de tarefa |
| 7 | Uma lista de Markdown com 200 linhas como «plano de funcionalidade» | Uma lista longa e sem estrutura pode dificultar o acompanhamento; não existe um ponto universal de falha na linha 50 | Artefacto HTML ou plano numerado num ficheiro separado |
O Cookbook da Anthropic descreve uma medição específica para o erro n.º 5: na sessão de referência, o primeiro documento no contexto (sobre C. elegans) estava tecnicamente na janela, mas soterrado sob 335k tokens. Tecnicamente disponível. Na prática, o modelo não se lembrava dele. Com a ferramenta de memória, o problema resolve-se assim: o ficheiro de notas aging_model_organisms_comparison.md ocupa cerca de 3000 tokens, em vez de voltar a carregar o corpus original.
Uma analogia doméstica: a janela de contexto é uma secretária. Se houver 200 documentos em cima dela, não encontrará aquele de que precisa, mesmo que lá esteja. A engenharia de contexto é a disciplina de «manter na secretária apenas aquilo de que precisa agora, guardar o resto no arquivo e carregá-lo quando for pedido».
Como montar uma configuração funcional numa noite?
Pontos principais
Uma configuração mínima e funcional de engenharia de contexto no Claude Code tem 7 elementos: CLAUDE.md, exemplos, documentos PRP, ferramenta de memória, /compact, subagentes e recuperação just-in-time através de ferramentas. A estrutura básica demora 30-40 minutos a configurar; uma configuração completa com exemplos e prompts verificados demora uma noite. Pode aperfeiçoá-la à medida que avança.
Os sete passos, por ordem:
CLAUDE.md com 80-120 linhas. Na raiz do projeto. Utilize imperativos, não descrições. Na sua documentação oficial, a Anthropic recomenda o princípio
Specificity: as regras devem ser concretas e inequívocas, não princípios gerais. Na prática, «nunca utilize mocks inline nos testes» funciona melhor do que «tentamos escrever código limpo». Para um modelo detalhado, consulte o guia «Como configurar o CLAUDE.md».Uma pasta
examples/com 3-7 padrões verificados. Um exemplo para cada padrão comum: uma chamada de API, a escrita de um teste, uma migração, o tratamento de erros. Quando o Claude vê um padrão emexamples/, reprodu-lo exatamente. Sem exemplos, vai adivinhando à medida que avança.Documentos PRP para funcionalidades importantes. PRP = Product Requirements Prompt. Um ficheiro por funcionalidade: contexto + plano + validação + exemplos.
Uma ferramenta de memória para factos de longo prazo entre sessões. No Cookbook da Anthropic, a ferramenta de memória do Claude é implementada como um arquivo de notas estruturadas. Quando o agente retoma uma tarefa numa nova sessão, começa por ler as notas em vez de voltar a ler todo o corpus.
/compacte compactação automática a 80% do limite. Não espere que a janela chegue ao limite. Ative a compactação automática nas definições ou execute/compactquando sentir que a sessão está a andar em círculos.Subagentes para investigação / revisão / planeamento. Cada subagente tem o seu próprio contexto e um prompt específico. O Claude principal recebe apenas o resumo, não o material em bruto. Consulte «Subagentes para Claude Code» e «Skills para Claude Code» para mais informações (Skills são uma forma de agrupar conhecimentos especializados e específicos numa skill que o Claude aplica automaticamente).
Recuperação just-in-time em vez de pré-carregamento. Não despeje o repositório inteiro na janela. Deixe o Claude pesquisá-lo através de
globegrep. Esta é a própria arquitetura do Claude Code.
Outras regras práticas retiradas da experiência com os projetos descritos:
- Uma tarefa, uma janela. Quando terminar, feche-a e abra uma nova. Não acumule o histórico de várias tarefas consecutivas.
- Modelo para o primeiro comando numa janela nova. Utilize sempre o mesmo texto: «Lê, por esta ordem,
CLAUDE.mde a área da tarefa. Confirma numa linha. Não comeces a tarefa; espera pela mensagem seguinte.» No fluxo de trabalho descrito, este modelo está guardado num editor de snippets sob uma única tecla de atalho. - Quando a janela de contexto estiver >60% cheia, mude para uma nova. Técnica provisória: peça ao Claude «escreve um prompt para que o chat ao lado possa continuar a tua tarefa sem perder o sentido», copie-o e abra uma janela nova.
- Cada erro da IA é motivo para acrescentar uma regra. Não escreva regras manualmente nos ficheiros de memória. Diga ao Claude «isso está errado porque...» no momento do erro e ele formatará a regra num ficheiro segundo a convenção «Regra → Porquê → Como».
E agora: como irá evoluir a disciplina da engenharia de contexto?
Pontos principais
Em 2026, a engenharia de contexto está a passar de ficheiros Markdown baseados em texto para formatos mais estruturados. Surgiu a funcionalidade Dreaming, na qual um agente reexamina sessões anteriores durante a noite. Os próximos passos são artefactos HTML, memória persistente e orquestração multiagente em toda a equipa de produto.
Uma direção em que a disciplina está a evoluir neste momento:
Dreaming — reavaliação noturna das sessões. No Code w/ Claude SF, a 6 de maio de 2026, a Anthropic apresentou uma funcionalidade em que um agente reexamina sessões anteriores durante a noite e atualiza as próprias notas. Os ficheiros de memória estruturada crescem agora não só quando os escreve, mas também quando o agente tira conclusões da experiência acumulada.
Uma tendência é clara: a engenharia de contexto está a tornar-se uma disciplina completa para conceber informação para agentes de IA, e não apenas «como escrever CLAUDE.md». A engenharia de prompts foi um dos primeiros níveis desta disciplina. A engenharia de contexto é o seguinte.
O mínimo que vale a pena montar na primeira noite: configurar o CLAUDE.md para 80-120 linhas (guia aqui), criar uma pasta com uma estrutura para conhecimento empresarial, aprender a utilizar /compact e deixar de desperdiçar os limites.
Depois, acrescente subagentes (guia) e Skills para transferir conhecimentos especializados do contexto partilhado para skills dedicadas.
Fontes
- Engenharia de contexto eficaz para agentes de IA - Anthropic Applied AI team, 29.09.2025. O texto canónico com 4 princípios de engenharia de contexto.
- Como criámos o nosso sistema de investigação multiagente - Anthropic Engineering, 13.06.2025. Fonte dos valores de +90.2% de qualidade e 15× mais tokens.
- Anthropic Cookbook - Engenharia de contexto com utilização de ferramentas - Elementos práticos: compactação, limpeza de resultados de ferramentas e ferramenta de memória.
- Documentação de memória do Claude Code - Orientações sobre instruções de projeto concisas e específicas; o objetivo citado é ficar abaixo de 200 linhas. O intervalo de 80-120 linhas é a preferência do autor.
Conheça a Ailoot.
Mais detalhes
Perguntas frequentes
200 linhas é um limite rígido para o CLAUDE.md?
Não. As orientações citadas recomendam ficar abaixo de 200 linhas para poupar contexto e melhorar o cumprimento. O intervalo de 80-120 linhas é uma preferência prática do autor; verifique as regras importantes em tarefas reais em vez de tratar a contagem como garantia.
O que devo retirar do contexto inicial?
Transfira exemplos detalhados, resultados longos de ferramentas e referências específicas de tarefas para ficheiros separados. Mantenha regras concisas e referências no CLAUDE.md e recupere as passagens pertinentes quando a tarefa precisar delas.