El prompt engineering va de cómo formulas la petición. El context engineering va de qué entra junto a ella: qué fragmento de documento, qué mensaje anterior, qué descripción de herramienta y en qué orden. En un sistema de IA en producción esta es la parte más grande del trabajo, porque el modelo solo ve lo que hay dentro de la ventana.
¿Por qué importa? Porque los modelos no usan su contexto de forma uniforme. En una medición con 18 modelos, manteniendo constante la dificultad de la tarea y cambiando solo la longitud de la entrada, en todas las familias ganó el prompt enfocado de 300 tokens frente a la versión de 113 mil tokens que lo incluía todo — misma pregunta, misma respuesta presente en ambas.
El error más frecuente es creer que la context window grande ha hecho innecesario este trabajo. No lo ha hecho: el tamaño anunciado no es el tamaño utilizable, y la caída no empieza justo al final. Menos contexto, pero más preciso, da de forma medible una respuesta mejor.
Qué significa esto en la práctica para un sistema propio lo desarrolla Context engineering: lo que relevó al prompt engineering a fondo. Los conceptos directamente relacionados: context window, prompt engineering y RAG.