Glossário · Inteligência Artificial
Engenharia de contexto
Definição
Engenharia de contexto é a disciplina de selecionar, organizar e atualizar todas as informações que chegam a um modelo de inteligência artificial a cada etapa, incluindo instruções, documentos, histórico, memória e resultados de ferramentas, para que assistentes e agentes tenham o necessário para cumprir a tarefa sem excesso de ruído.
- Context engineering
- Gestão de contexto
- Curadoria de contexto
- Cluster
- Inteligência Artificial
- Classificação
- Disciplina
- Nível
- Avançado
O que é engenharia de contexto?
Engenharia de contexto é a prática de decidir o que um modelo de IA vê a cada passo do trabalho. Em vez de olhar só para a frase do pedido, ela trata como sistema o pacote inteiro que entra na janela de contexto: instruções, documentos, memória, histórico e respostas de ferramentas.
O tema cresceu junto com os agentes de IA. Um agente que trabalha por dezenas de etapas acumula informação a cada passo. Sem curadoria, a janela enche de ruído, o custo sobe e a qualidade cai.
Como funciona na prática?
As decisões de engenharia de contexto costumam girar em torno de quatro verbos:
- Selecionar: buscar só os trechos relevantes, por exemplo com RAG, em vez de carregar tudo.
- Escrever: guardar fora da janela o que precisa sobreviver, como notas, planos e decisões, em arquivos de memória.
- Comprimir: resumir históricos longos e resultados volumosos de ferramentas.
- Isolar: dividir tarefas grandes entre subagentes, cada um com seu próprio contexto limpo, como em sistemas multiagente.
Grande parte disso fica a cargo do harness, mas as regras vêm de quem desenha o processo.
Engenharia de contexto vs engenharia de prompt: qual a diferença?
A engenharia de prompt responde à pergunta como eu peço. A engenharia de contexto responde à pergunta o que o modelo precisa saber agora. A primeira é parte da segunda. Um prompt bem escrito com contexto errado produz uma resposta bem escrita e errada.
Exemplos
- Uma equipe jurídica mantém um arquivo de instruções permanentes com o padrão de cláusulas da empresa, lido pelo assistente em toda conversa.
- Um agente de atendimento recebe só os três últimos pedidos do cliente, e não o histórico completo de cinco anos.
- Um agente de pesquisa delega a leitura de vinte relatórios a subagentes e recebe de volta apenas os resumos.
Erros comuns
- Tratar a janela grande como convite para colocar tudo.
- Deixar documentos desatualizados competindo com os atuais.
- Não registrar decisões importantes fora da conversa.
- Gastar semanas ajustando o texto do prompt quando o problema é a informação que falta.
Por que importa para líderes e empresas?
Os modelos estão cada vez mais parecidos entre si. O que diferencia o resultado de uma empresa é o contexto que ela consegue entregar: processos claros, documentos organizados e regras explícitas. Para líderes, investir em engenharia de contexto é investir em conhecimento organizacional legível por máquina, um ativo que continua valendo quando o modelo muda.
Perguntas frequentes
Qual a diferença entre engenharia de contexto e engenharia de prompt?
A engenharia de prompt cuida da instrução escrita: como pedir, com qual papel, formato e exemplos. A engenharia de contexto é mais ampla e cuida de tudo o que o modelo enxerga, como documentos buscados, histórico, memória, ferramentas e resultados anteriores. Em agentes que trabalham por muitas etapas, esse conjunto pesa mais do que o texto do pedido.
De onde surgiu o termo engenharia de contexto?
O termo ganhou espaço em junho de 2025, quando Tobi Lütke, executivo-chefe da Shopify, disse preferir context engineering a prompt engineering, e Andrej Karpathy apoiou a troca. A ideia já existia na prática de quem construía agentes, mas o nome ajudou a separar a escrita de instruções da gestão do contexto inteiro.
Engenharia de contexto é só para programadores?
Não. Quem organiza uma pasta de documentos para um assistente, escreve um arquivo de instruções permanentes ou decide quais dados um agente pode consultar está fazendo engenharia de contexto. A parte técnica fica com as equipes de tecnologia, mas a escolha do que é relevante depende de quem conhece o negócio.
Por que contexto demais atrapalha a IA?
Porque o modelo divide a atenção entre tudo o que recebe. Informações irrelevantes, desatualizadas ou contraditórias competem com as importantes e aumentam a chance de erro. Além disso, cada token extra custa dinheiro e tempo. A meta da engenharia de contexto é entregar o menor conjunto de informações que resolve bem a tarefa.