El contexto lo es todo
La diferencia entre una respuesta pobre y una afilada casi nunca es la redacción del prompt. Es lo que el modelo puede ver. Anthropic llama a la disciplina de gestionar eso "ingeniería de contexto".
El modelo no tiene memoria de ti. Cada respuesta se construye solo a partir de lo que está sobre el escritorio que tiene delante, ahora mismo.
Me tomó un rato interiorizar esto. La ventana de contexto no es una memoria — es un espacio de trabajo, un escritorio. Lo que sea que hayas puesto sobre él — tu instrucción, los archivos, la conversación hasta ahora — es todo con lo que el modelo cuenta para trabajar. Nada fuera de ese escritorio existe para él. No “conoce” tu proyecto; conoce lo que tiene delante en este momento. Una vez que eso encajó, mucha frustración cobró sentido: cuando el modelo “olvidaba” algo, no lo había olvidado — nunca se lo habían dicho, o la cosa se había deslizado fuera del borde del escritorio a medida que crecía una conversación larga.
Un ejemplo trabajado
Digamos que le pides a Claude que arregle un error y cambia la función equivocada. Nueve de cada diez veces el escritorio estaba mal: pegaste un archivo, pero el error vivía en cómo interactúan dos archivos, y el segundo nunca estuvo sobre el escritorio. El modelo razonó a la perfección sobre lo que podía ver — simplemente no podía ver lo que importaba. Añade el segundo archivo, y el modelo “tonto” de pronto es afilado. Curar el escritorio es el trabajo; pensar es la parte fácil.
Esta es la habilidad que Anthropic llama ingeniería de contexto: encontrar el conjunto más pequeño de cosas de alta señal que hagan probable una buena respuesta — y nada más. Porque el escritorio tiene una segunda regla, menos obvia: más no es mejor. Un modelo tiene un presupuesto de atención limitado, y a medida que el escritorio se llena de basura — un registro gigante pegado, veinte mensajes de callejones sin salida — su precisión sobre lo que de verdad importa se degrada en silencio. El desorden no solo desperdicia espacio; aparta el foco de la señal.
Dónde se rompe
La sesión cajón de sastre: un único hilo largo al que sigues amontonando cosas durante horas. Se siente eficiente — todo está “ahí dentro” — pero el escritorio ahora es sobre todo desorden, y las respuestas se vuelven más vagas cuanto más dura. Cuando un hilo empieza a desviarse, abre uno nuevo con un escritorio limpio en lugar de pelear con el caos.
Ponlo en práctica
La próxima vez que una respuesta esté mal, no reformules — audita el escritorio. Enumera lo que el modelo puede ver de verdad ahora mismo. La pieza que falta casi siempre está en tu cabeza, sin haber llegado nunca al escritorio; y el ruido casi siempre es algo que podrías quitar de él. Ajusta lo que está sobre el escritorio antes de tocar una sola palabra del prompt.
Basado en los escritos de Anthropic sobre ingeniería de contexto — el conjunto más pequeño de tokens de alta señal, y el presupuesto de atención limitado del modelo.