$ man how-to/context-engineering-vs-prompt-engineering

La ingenieria de prompts optimiza como preguntas. La ingenieria de contexto optimiza que informacion ve el modelo cuando preguntas. Esa no es una diferencia sutil - cambia todo el enfoque para construir con AI. En 2023-2024, la ingenieria de prompts era la habilidad. Crear la instruccion perfecta. Agregar razonamiento chain-of-thought. Usar ejemplos few-shot. Formular tu solicitud con precision y el modelo rinde mejor. Esto funcionaba cuando las interacciones con AI eran de una sola pregunta y respuesta. En 2025-2026, el techo se hizo obvio. Los modelos mejoraron en seguir instrucciones independientemente de la formulacion. Un prompt bien estructurado y una solicitud casual producen resultados casi identicos en modelos modernos. El cuello de botella paso de la calidad de instruccion a la calidad de informacion. No importa cuan perfectamente formules "refactoriza este modulo" si el modelo no puede ver el modulo, sus dependencias o los estandares de codigo que debe seguir. La ingenieria de contexto es la respuesta. En lugar de optimizar el prompt, optimizas la ventana de contexto - la informacion total que el modelo procesa antes de generar una respuesta.

PATTERN

La ingenieria de prompts es el arte de escribir instrucciones que producen resultados deseados de modelos de lenguaje. Las tecnicas fundamentales incluyen: Asignacion de rol: "Eres un desarrollador senior de TypeScript." Le da al modelo una perspectiva desde la cual razonar. Chain-of-thought: "Piensa paso a paso antes de responder." Fuerza al modelo a mostrar su razonamiento, lo que mejora la precision en tareas complejas. Ejemplos few-shot: "Aqui hay tres ejemplos del formato que quiero..." Demuestra el patron de salida esperado. Restricciones: "Responde en JSON. Usa solo los datos proporcionados. No hagas suposiciones." Limita el espacio de salida. Estas tecnicas aun funcionan. Siguen siendo utiles. Pero operan en la capa de instruccion. Le dicen al modelo como procesar informacion. No controlan que informacion esta disponible para procesar.

PATTERN

La ingenieria de contexto es la practica de controlar que informacion ve el modelo, cuando la ve y como esta estructurada. Las tecnicas fundamentales incluyen: Seleccion dinamica de contexto: Cargar solo los archivos, documentos y datos relevantes para la tarea actual. No todo - lo correcto. Una tarea de refactorizacion necesita el archivo objetivo, sus importaciones, sus tests y los estandares de codigo. Cargar todo el repositorio agrega ruido que degrada el rendimiento. Arquitectura de memoria: Decidir que recuerda el modelo entre sesiones. Los archivos CLAUDE.md persisten contexto del proyecto. Los documentos de handoff llevan estado entre sesiones. Las bases de conocimiento proporcionan referencia del dominio. Cada uno sirve una funcion de memoria diferente. Compresion de contexto: Resumir o estructurar informacion para que quepa dentro de los limites de tokens preservando lo que importa. Los logs crudos son costosos en contexto. Un resumen estructurado de error con archivo, linea y mensaje es eficiente en contexto. Integracion de herramientas y recuperacion: Darle al modelo acceso a busqueda, lectura de archivos, llamadas API y bases de datos para que pueda obtener informacion bajo demanda en lugar de necesitar todo precargado. Esquema y estructura: Organizar el contexto con encabezados claros, esquemas tipados y formatos predecibles para que el modelo lo procese eficientemente. Los datos estructurados superan a los datos no estructurados consistentemente.

PRO TIP

Si estas construyendo funcionalidades de AI, automatizando flujos de trabajo o usando herramientas de codigo AI diariamente, la ingenieria de contexto es la habilidad que mueve la aguja. Un ejemplo practico: administro un monorepo con tres sitios Next.js, mas de 40 skills de automatizacion y cron jobs diarios. Cada sesion de Claude Code empieza leyendo un archivo CLAUDE.md que contiene estructura del proyecto, convenciones de codigo, pasos de despliegue y reglas de seguridad. Lee el context handoff de la sesion anterior. Carga skills relevantes segun la tarea. Esto es ingenieria de contexto. El modelo ve la informacion correcta antes de escribir una sola linea de codigo. Los prompts que escribo son casuales - "agrega una nueva entrada de wiki how-to sobre servidores MCP" - porque el contexto hace el trabajo pesado. El CLAUDE.md le dice el formato del archivo. Las entradas existentes le muestran el patron. Los skills le dicen el flujo de trabajo. Compara eso con solo ingenieria de prompts: "Eres un desarrollador experto en TypeScript. Por favor crea una nueva entrada de wiki how-to en el formato HowToWikiEntry definido en how-to-wiki.ts con id, title, subtitle, category, description, array de keywords, nivel de dificultad, canonicalSite, entradas relacionadas y array de secciones con heading, type y campos de content..." Estas gastando tokens en instrucciones que el contexto maneja automaticamente. La conclusion: la ingenieria de prompts es una tecnica. La ingenieria de contexto es un sistema. Las tecnicas tocan techo. Los sistemas se componen.