O que Engenharia de Contexto faz?
A engenharia de contexto cura o menor conjunto de tokens de alto sinal para tarefas de LLM. O objetivo: maximizar a qualidade do raciocínio enquanto minimiza o uso de tokens.
Quando Ativar
- Projetar/depurar sistemas de agente
- Limites de contexto restringem o desempenho
- Otimizar custo/latência
- Construir coordenação multi-agente
- Implementar sistemas de memória
- Avaliar desempenho do agente
- Desenvolver pipelines baseados em LLM
Princípios Básicos
- Qualidade do contexto > quantidade - Tokens de alto sinal vencem conteúdo exaustivo
- A atenção é finita - Curva em forma de U favorece posições de início/fim
- Divulgação progressiva - Carregue informações no momento certo
- Isolamento previne degradação - Partilhe o trabalho entre subagentes
- Meça antes de otimizar - Conheça sua linha de base
IMPORTANTE:
- Sacrifique a gramática em prol da concisão.
- Garanta eficiência de tokens mantendo alta qualidade.
- Passe estas regras para subagentes.
Referência Rápida
| Tópico | Quando Usar | Referência |
|---|---|---|
| Fundamentos | Entendendo anatomia de contexto, mecânica de atenção | context-fundamentals.md |
| Degradação | Depuração de falhas, perdido-no-meio, envenenamento | context-degradation.md |
| Otimização | Compactação, mascaramento, cache, particionamento | context-optimization.md |
| Compressão | Sessões longas, estratégias de sumarização | context-compression.md |
| Memória | Persistência entre sessões, grafos de conhecimento | memory-systems.md |
| Multi-Agente | Padrões de coordenação, isolamento de contexto | multi-agent-patterns.md |
| Avaliação | Testando agentes, LLM-como-Juiz, métricas | evaluation.md |
| Design de Ferramentas | Consolidação de ferramentas, engenharia de descrições | tool-design.md |
| Pipelines | Desenvolvimento de projetos, processamento em lote | project-development.md |
| Consciência de Runtime | Limites de uso, monitoramento da janela de contexto | runtime-awareness.md |
Métricas-Chave
- Utilização de tokens: Aviso em 70%, gatilho de otimização em 80%
- Variação de tokens: Explica 80% da variação de desempenho do agente
- Custo multi-agente: ~15x a linha de base de agente único
- Meta de compactação: Redução de 50-70%, perda de qualidade <5%
- Meta de cache hit: 70%+ para cargas de trabalho estáveis
Estratégia de Quatro Baldes
- Escrever: Salvar contexto externamente (rascunhos, arquivos)
- Selecionar: Puxar apenas o contexto relevante (recuperação, filtragem)
- Comprimir: Reduzir tokens preservando informações (sumarização)
- Isolar: Dividir entre subagentes (particionamento)
Anti-Padrões
- Contexto exaustivo em vez de contexto curado
- Informações críticas em posições intermediárias
- Nenhum gatilho de compactação antes dos limites
- Agente único para tarefas paralelizáveis
- Ferramentas sem descrições claras
Diretrizes
- Coloque informações críticas no início/fim do contexto
- Implemente compactação em 70-80% de utilização
- Use subagentes para isolamento de contexto, não para role-play
- Projete ferramentas com estrutura de 4 perguntas (o que, quando, entradas, retornos)
- Otimize para tokens-por-tarefa, não tokens-por-requisição
- Valide com avaliação baseada em sonda
- Monitore taxas de cache de KV em produção
- Comece mínimo, adicione complexidade apenas quando comprovadamente necessário
Consciência de Runtime
O sistema injeta automaticamente a consciência de uso via hook PostToolUse:
<usage-awareness>
Claude Usage Limits: 5h=45%, 7d=32%
Context Window Usage: 67%
</usage-awareness>
Limiares:
- 70%: AVISO - considere otimização/compactação
- 90%: CRÍTICO - ação imediata necessária
Fontes de Dados:
- Limites de uso: API OAuth da Anthropic (
https://api.anthropic.com/api/oauth/usage) - Janela de contexto: Arquivo temporário de status (
/tmp/ck-context-{session_id}.json)
Scripts
- context_analyzer.py - Análise de saúde do contexto, detecção de degradação
- compression_evaluator.py - Avaliação de qualidade da compressão