Engenharia de contexto

De onde vem o termo engenharia de contexto?

O termo ganhou força quando os modelos de linguagem passaram a trabalhar como agentes, em tarefas longas e com várias etapas.

Um agente é uma IA que executa tarefas usando ferramentas. Em um artigo de engenharia publicado em 29 de setembro de 2025, a Anthropic descreve a engenharia de contexto como a "progressão natural" da engenharia de prompt.

Nesse texto, contexto é o conjunto de tokens que o modelo recebe a cada vez que gera uma resposta. Tokens são os pedaços de texto que o modelo processa. Ali entram as instruções, as ferramentas, os dados externos e o histórico da conversa. A tarefa de engenharia é tirar o máximo proveito desses tokens diante dos limites do modelo.

Para quem quer mais: o mesmo artigo explica por que esse cuidado importa. Quanto mais tokens há no contexto, menor tende a ser a capacidade do modelo de recuperar com precisão uma informação que está ali. Esse efeito tem um nome, context rot, e aparece em todos os modelos, uns mais e outros menos. Por isso a Anthropic trata o contexto como um recurso finito, com um "orçamento de atenção". Em um agente que roda em ciclo, a seleção do que entra acontece de novo a cada passo, e não só uma vez.

Como a engenharia de contexto se usa no Claude e no Gemini?

Nos dois casos, o sistema escolhe e organiza a informação para o modelo, em vez de exigir que você escreva tudo no pedido.

Na prática, um sistema com engenharia de contexto costuma fazer o seguinte:

• define o objetivo, as permissões e quando a tarefa termina;
• seleciona só os documentos, mensagens e memórias relevantes;
• chama ferramentas quando faltam dados atuais;
• resume partes antigas da sessão e preserva decisões e pendências.

Claude (verificado em nov/2026): a lista de modelos da Anthropic informa janela de contexto de 1 milhão de tokens para Claude Fable 5.2, Claude Opus 5.5 e Claude Sonnet 5.5. A janela é o máximo de texto que o modelo consegue receber de uma vez. As orientações de prompting citam os "compaction summaries", resumos que compactam o histórico, e o comportamento de subagentes (Claude Fable 5.1). A Anthropic também recomenda revisar prompts, arquivos de memória e o texto do harness ao trocar de modelo, em vez de reaproveitar tudo sem olhar (Claude Fable 5.2). Harness é o "carro" em volta do modelo: ferramentas, memória e arquivos.

Gemini (verificado em nov/2026): em 8 de outubro de 2026, o Google Cloud apresentou o Gemini agent. Segundo o anúncio, ele usa o contexto da empresa do usuário para responder, criar conteúdo e programar. Ele também pode coordenar modelos Gemini e modelos Claude e escolher o adequado para cada trabalho. Aqui, o seu pedido pode ser só a intenção inicial. A plataforma acrescenta o contexto, as ferramentas e a escolha do modelo.

O que muda entre os dois: no Claude, a documentação destaca a gestão explícita de memória e a compactação do histórico. No Gemini agent, o destaque é a integração com dados da empresa e a escolha entre modelos. Esse contexto empresarial depende de permissões e conectores configurados.

ChatGPT: não encontramos documentação oficial de novembro de 2026 que confirme os recursos atuais. Por isso, esta página não descreve como o ChatGPT faz isso.

Privacidade primeiro: o contexto pode incluir dados pessoais, de saúde, financeiros ou de clientes. Antes de conectar arquivos ou sistemas a um agente, confira nos termos de cada ferramenta o que ela guarda e quem tem acesso.

Engenharia de contexto é o mesmo que engenharia de prompt?

A documentação do Google Cloud define o design de prompts como o processo de ajustar as instruções e avaliar as respostas, repetindo o ciclo. A engenharia de contexto inclui isso e acrescenta histórico, memória, documentos, ferramentas, resultados e resumos. O horizonte também muda: o prompt costuma valer para uma interação, e o contexto acompanha uma tarefa longa ou uma sessão inteira.

Os riscos são diferentes. O risco típico de um prompt é uma instrução ambígua ou contraditória. O risco típico do contexto é ter informação demais, desatualizada, irrelevante ou contaminada por resultados de ferramentas.

Confusões comuns:

• "Janela grande resolve tudo." Uma janela de 1 milhão de tokens não significa que vale a pena enviar 1 milhão de tokens. Contexto irrelevante aumenta o custo e a demora, e o agente pode dar peso à informação errada.
• "Prompt longo compensa a falta de contexto." Um prompt muito extenso, usado no lugar de memória ou de busca bem feita, pode render menos que um contexto menor e bem escolhido.
• "Prompt não importa mais." Importa. Ele continua sendo uma parte da engenharia de contexto.