{"content_id":"yihyxok0ch","slug":"claude-5-context-engineering-rules","locale":"es","schema_type":"TechArticle","category":"ai_data","category_name":"Datos de IA","title":"Reglas de ingeniería de contexto para el modelo Claude 5","summary":"Para los modelos Claude con una capacidad de juicio mejorada, son más importantes un propósito claro, herramientas bien diseñadas y materiales de referencia adecuados para la tarea que numerosas reglas detalladas. Este artículo explica los principios de diseño del contexto y los procedimientos para aplicarlos, reduciendo las instrucciones redundantes y proporcionando la información necesaria en el momento oportuno.","author":{"name":"Equipo editorial de Injoys","url":"https://injoys.com/ko/about"},"key_points":["La ingeniería de contexto no solo consiste en diseñar prompts, sino también instrucciones del sistema, herramientas, memoria, archivos, historial de conversaciones y resultados de ejecución.","Las reglas de seguridad, legales, de permisos y de integridad de los datos deben mantenerse estrictas, mientras que las instrucciones de estilo que varían según la situación conviene convertirlas en principios basados en el contexto.","En lugar de incluir toda la información desde el principio, debe proporcionarse cuando sea necesaria mediante búsquedas, lectura de archivos, Skills y subagentes.","En lugar de enumerar repetidamente ejemplos de uso de herramientas, deben diseñarse interfaces con nombres claros, esquemas de entrada, definiciones de estados y estructuras de errores.","CLAUDE.md, la memoria automática, el código, las pruebas y las especificaciones deben cumplir funciones distintas, y no se deben duplicar las mismas instrucciones en varias ubicaciones."],"content_markdown":"Para utilizar eficazmente los modelos Claude con una capacidad de juicio mejorada, no basta con perfeccionar una sola frase del prompt. Es necesario diseñar como un único entorno de información las instrucciones del sistema, los archivos del proyecto, las herramientas, la memoria, el historial de conversaciones y los resultados de ejecución que el modelo verá durante una inferencia.\n\nEl principio fundamental es sencillo.\n\n\u003e En lugar de prescribir de antemano cada comportamiento, proporciona un objetivo claro, límites de seguridad, interfaces expresivas y materiales de referencia fiables, y deja las decisiones de detalle en manos del modelo.\n\nEn este artículo, `Claude 5` se refiere al entorno de modelos Claude de alto rendimiento de próxima generación al que aluden los materiales proporcionados. El enfoque no está en especificaciones concretas del producto ni en su estado de lanzamiento, sino en principios de diseño del contexto aplicables a modelos con una capacidad de juicio mejorada.\n\n## Ingeniería de prompts e ingeniería de contexto\n\n### Ingeniería de prompts\n\nLa ingeniería de prompts consiste en diseñar cómo expresar la solicitud actual. Por lo general, aborda los siguientes elementos.\n\n- Objetivo de la tarea\n- Alcance de la ejecución\n- Restricciones\n- Formato de salida\n- Criterios de éxito\n- Ejemplos necesarios\n\nPor ejemplo:\n\n```text\nImplementa una función de cancelación de pagos en una API Route de Next.js.\nReutiliza la capa de servicio existente y añade pruebas.\nNo modifiques el contrato de la API pública y explica el motivo de los cambios.\n```\n\n### Ingeniería de contexto\n\nLa ingeniería de contexto consiste en seleccionar y mantener todo el conjunto de información que interviene en el razonamiento del modelo. En agentes de programación como Claude Code, el contexto se compone aproximadamente de los siguientes elementos.\n\n```text\nSolicitud actual del usuario\n+ instrucciones del sistema\n+ CLAUDE.md e instrucciones del proyecto\n+ Skills\n+ memoria automática\n+ código, especificaciones, pruebas y documentación\n+ definiciones de herramientas y recursos MCP\n+ historial de conversaciones\n+ resultados de ejecución de herramientas y registros de errores\n```\n\nPor tanto, incluso un buen prompt puede perder eficacia si se proporciona junto con memoria obsoleta, reglas de proyecto duplicadas o registros enormes. Por el contrario, una solicitud breve puede ejecutarse con suficiente precisión si viene acompañada del código y las pruebas pertinentes, así como de herramientas claras.\n\n| Categoría | Ingeniería de prompts | Ingeniería de contexto |\n|---|---|---|\n| Objeto del diseño | Expresión de la solicitud actual | Todo el entorno de información que interviene en el razonamiento |\n| Pregunta principal | Qué solicitar y cómo hacerlo | Qué debe ver el modelo y cuándo |\n| Elementos representativos | Objetivo, formato, restricciones, ejemplos | Instrucciones del sistema, archivos, herramientas, memoria, historial |\n| Fallos principales | Solicitudes ambiguas, criterios de éxito poco claros | Conflictos, duplicación, información obsoleta, registros excesivos |\n| Método de mejora | Concretar la solicitud y presentar criterios de validación | Seleccionar información de alta señal, recuperarla en el momento oportuno y gestionar su ciclo de vida |\n\n## Por qué más contexto no siempre es mejor\n\nAunque la ventana de contexto de los LLM aumente, la atención disponible para una tarea no es ilimitada. Si aumenta la cantidad de tokens poco relevantes, pueden surgir los siguientes problemas.\n\n1. Los requisitos importantes quedan enterrados entre explicaciones prolijas.\n2. Instrucciones similares situadas en lugares distintos entran en conflicto de forma sutil.\n3. Decisiones antiguas o intentos fallidos influyen en la tarea actual.\n4. Los ejemplos actúan como si fueran la respuesta correcta y limitan otras vías de solución.\n5. Los registros y las salidas de las herramientas ocupan el espacio necesario para el código, las especificaciones y las pruebas.\n6. El modelo consume razonamiento interpretando la prioridad de las instrucciones en lugar de realizar la tarea propiamente dicha.\n\nAnthropic explica el fenómeno de la reducción de la eficiencia en el uso de la información dentro de contextos largos y recomienda diseñar los agentes para que recuperen la información necesaria en el momento oportuno y compriman los registros obsoletos. Lo importante no es llenar el número máximo de tokens, sino aumentar la proporción de tokens de alta señal que influyen en el resultado.\n\n## Qué implica el caso de reducción del prompt del sistema\n\nEl caso de Anthropic proporcionado explica que, tras revisar las instrucciones internas de Claude Code, se redujo el prompt del sistema al menos un 80 %. Esta cifra no es una regla que obligue a reducir en la misma proporción los prompts de todas las aplicaciones. Debe entenderse como un caso en el que se depuraron instrucciones de comportamiento duplicadas y excesivamente detalladas dentro de un sistema concreto.\n\nPor ejemplo, las siguientes instrucciones podrían aparecer simultáneamente en una solicitud.\n\n```text\nInstrucción del sistema: deja documentación adecuada a la situación.\nInstrucción de Skill: no añadas comentarios.\nSolicitud del usuario: haz que funcione como la versión anterior.\n```\n\nCada frase puede ser válida por separado, pero al combinarlas surgen varios problemas de interpretación.\n\n- ¿La documentación y los comentarios del código pertenecen a la misma categoría?\n- ¿La prohibición de comentarios es una regla sin excepciones?\n- ¿El comportamiento de la versión anterior incluye también los comentarios o la estructura de la documentación?\n- ¿Qué tiene prioridad, la solicitud actual o el Skill reutilizable?\n\nEn este caso, la causa del fallo no es únicamente la capacidad de programación del modelo. También influye que el entorno de información configurado por las personas contenga contradicciones innecesarias.\n\n## Seis nuevas reglas de diseño del contexto\n\n| Método anterior | Método recomendado |\n|---|---|\n| Prescribir comportamientos detallados mediante listas de prohibiciones | Presentar objetivos y criterios de decisión, y aprovechar el contexto |\n| Proporcionar numerosos ejemplos de llamadas a herramientas | Diseñar el esquema para que explique por sí mismo cómo se utiliza |\n| Inyectar toda la información al comenzar la tarea | Revelarla progresivamente cuando sea necesaria |\n| Repetir la misma instrucción en varios lugares | Asignar una única ubicación autorizada a cada instrucción |\n| Guardar incluso recuerdos temporales en CLAUDE.md | Separar las funciones de las políticas permanentes y la memoria automática |\n| Depender de largas explicaciones en Markdown | Proporcionar materiales ejecutables, como código, pruebas, HTML y rúbricas de evaluación |\n\n### 1. Sustituye las listas detalladas de prohibiciones por principios basados en el contexto\n\nPara evitar los errores repetitivos de modelos anteriores, a veces se enumeraban extensamente reglas como las siguientes.\n\n- No escribas comentarios.\n- No crees docstrings de varios párrafos.\n- No generes documentos de planificación que no se hayan solicitado.\n- No guardes archivos intermedios de análisis.\n\nEstas reglas evitan fallos específicos, pero no son principios absolutos aplicables a todas las situaciones. Una validación de seguridad compleja o el código concurrente pueden necesitar explicaciones, mientras que en un código CRUD evidente los comentarios pueden generar más ruido.\n\nEs preferible presentar criterios de decisión como los siguientes.\n\n```text\nEscribe código que se lea del mismo modo que el código circundante.\nSigue las convenciones de nombres, las expresiones idiomáticas y la densidad de comentarios de los archivos existentes.\nAñade únicamente la documentación necesaria para la lógica cuya seguridad o intención no resulte clara sin una explicación.\n```\n\nSin embargo, no se deben debilitar todas las reglas. Los siguientes elementos deben mantenerse como restricciones explícitas o controles a nivel de herramienta.\n\n- Aprobación para el despliegue en producción y la eliminación de datos\n- Restricciones sobre el tratamiento de datos personales e información confidencial\n- Verificación de autenticación y autorización\n- Idempotencia y registros de auditoría de transacciones financieras\n- Políticas de migración de bases de datos\n- Cumplimiento legal, de licencias y normativo\n- Contratos inmutables de API públicas\n\n| Tipo de regla | Método de tratamiento adecuado |\n|---|---|\n| Seguridad, legislación y permisos | Mantener restricciones explícitas y estrictas |\n| Operaciones con posibilidad de pérdida de datos | Controlar mediante procedimientos de aprobación y permisos de herramientas |\n| Contratos públicos y compatibilidad | Verificar mediante pruebas y esquemas |\n| Estilo del código y comentarios | Utilizar principios de decisión basados en el código circundante |\n| Orden temporal de las tareas | Gestionar en el plan actual o en la lista de tareas |\n\n### 2. Diseña herramientas expresivas en lugar de proporcionar muchos ejemplos\n\nSi se siguen añadiendo casos de llamadas correctas e incorrectas a la descripción de una herramienta, el contexto crece y el modelo puede imitar la forma superficial de los ejemplos. Un método mejor consiste en diseñar el nombre de la herramienta, los campos de entrada y las transiciones de estado para que revelen cómo se utiliza.\n\n```text\nTodoWrite\nObjetivo: crear y actualizar la lista de tareas de la sesión actual\n\nstatus:\n- pending\n- in_progress\n- completed\n\nRestricción:\n- solo una tarea puede estar in_progress al mismo tiempo\n```\n\nUna buena herramienta para agentes tiene las siguientes características.\n\n- Su nombre revela por sí solo la acción y el objeto.\n- Distingue entre campos obligatorios y opcionales.\n- Limita los valores permitidos mediante enumeraciones.\n- Separa la lectura de la escritura, y la vista previa de la ejecución.\n- Los errores devuelven de forma estructurada la causa y el método de recuperación.\n- Las operaciones peligrosas requieren un token de confirmación o una fase de aprobación.\n- Si el resultado es demasiado largo, ofrece un resumen y funciones de paginación.\n\nConviene añadir ejemplos únicamente cuando sea necesario explicar excepciones o entradas ambiguas difíciles de expresar mediante la interfaz.\n\n### 3. No introduzcas toda la información desde el principio; revélala progresivamente\n\nNo se debe inyectar desde el principio todo el repositorio, todas las políticas y registros extensos solo porque exista la posibilidad de que el agente los necesite para la tarea. Primero hay que proporcionar la información mínima necesaria para explorar y permitir que lea los materiales pertinentes a medida que se concreta la tarea.\n\nEl flujo recomendado es el siguiente.\n\n1. Proporciona el objetivo, los criterios de éxito y los límites de seguridad.\n2. Localiza las ubicaciones pertinentes mediante la estructura del repositorio o herramientas de búsqueda.\n3. Lee solo los archivos y las especificaciones necesarios.\n4. Tras la implementación, ejecuta las pruebas y los análisis estáticos pertinentes.\n5. Si se produce un fallo, recupera únicamente el error correspondiente y el código circundante.\n6. Al terminar, comprime o elimina los registros obsoletos y el razonamiento intermedio.\n\nLa revelación progresiva no consiste en ocultar información. Consiste en ofrecer rutas de búsqueda y una estructura de archivos clara para que el modelo pueda descubrir la información necesaria.\n\n### 4. Elimina las instrucciones duplicadas y establece ubicaciones autorizadas\n\nSi se duplica la misma regla en el prompt del sistema, CLAUDE.md, un Skill y la descripción de una herramienta, la redacción puede divergir con el tiempo. Para cada tipo de instrucción debe establecerse una única ubicación autorizada.\n\n| Información | Ubicación recomendada |\n|---|---|\n| Política de seguridad de toda la organización | Instrucciones del sistema o jerarquía de permisos |\n| Comandos de compilación y pruebas del repositorio | CLAUDE.md del proyecto |\n| Procedimiento para una tarea concreta | Skill correspondiente |\n| Entradas y restricciones de una herramienta | Esquema y descripción de la herramienta |\n| Comportamiento de una API pública | Esquemas de código, especificaciones y pruebas de contrato |\n| Progreso de la sesión actual | Lista de tareas o estado de la sesión |\n\nSi la duplicación es inevitable, es más seguro señalar la ubicación autorizada o generar automáticamente el contenido en lugar de copiarlo.\n\n### 5. Separa las funciones de CLAUDE.md y la memoria automática\n\nCLAUDE.md es adecuado para instrucciones persistentes que los miembros del proyecto pueden revisar y gestionar mediante control de versiones.\n\n- Comandos estándar de compilación y pruebas\n- Explicación fundamental de la estructura del repositorio\n- Áreas que el equipo ha acordado no modificar\n- Procedimientos de validación específicos del proyecto\n- Reglas difíciles de deducir mediante herramientas comunes\n\nEn cambio, la siguiente información resulta más adecuada para la memoria automática o el estado de la sesión.\n\n- Preferencias personalizadas descubiertas durante tareas repetitivas\n- Rutas de exploración útiles en trabajos recientes\n- Características temporales del entorno de desarrollo\n- Progreso de la sesión actual\n\nNo debe asumirse que la memoria automática es siempre exacta o permanente. Debe ser posible modificar o eliminar los elementos obsoletos, y no debe utilizarse como único repositorio de las políticas de seguridad ni de los contratos públicos.\n\n### 6. Prioriza los materiales de referencia ejecutables sobre los documentos explicativos\n\nLas especificaciones en lenguaje natural son útiles para explicar la intención, pero pueden no representar por completo el comportamiento real. Siempre que sea posible, proporciona también los siguientes materiales.\n\n- Implementaciones existentes similares al código actual\n- Pruebas unitarias y de integración\n- Esquemas de API y definiciones de tipos\n- HTML real o entregables de diseño\n- Archivos de migración de bases de datos\n- Datos de ejemplo de entrada y salida\n- Rúbricas y criterios de evaluación automática\n\nTambién pueden surgir conflictos entre los materiales de referencia, por lo que es necesario especificar su prioridad. Por ejemplo, se puede determinar que las pruebas de contrato son el criterio autorizado para la API pública y que el README es material explicativo.\n\n## Plantilla práctica para estructurar el contexto\n\nLa siguiente estructura es un ejemplo de cómo organizar de forma concisa la información necesaria para una tarea de programación.\n\n```text\nObjetivo\n- Añadir una API de cancelación de pagos.\n\nCriterios de éxito\n- Reutilizar la capa de servicio de pagos existente.\n- Aunque haya solicitudes duplicadas, la cancelación solo se realiza una vez.\n- Las pruebas de contrato pertinentes se superan.\n\nRestricciones estrictas\n- No modificar el esquema de respuesta público.\n- No acceder a datos de producción.\n\nMateriales de referencia\n- src/payments/capture.ts\n- tests/contracts/payment-cancel.test.ts\n- openapi/payments.yaml\n\nPrincipios de decisión\n- Seguir el tratamiento de errores y las convenciones de nombres del código de pagos circundante.\n- Si existe alguna suposición insegura, preguntar antes de implementar.\n\nValidación\n- Pruebas unitarias correspondientes\n- Pruebas de contrato\n- Comprobación de tipos\n```\n\nEste formato no enumera de antemano todas las situaciones. En su lugar, separa el objetivo, las condiciones de éxito, los límites invariables, los materiales autorizados y los métodos de validación.\n\n## Procedimiento para depurar el contexto existente\n\n### Paso 1: enumera las fuentes de todas las instrucciones\n\nRevisa conjuntamente el prompt del sistema, CLAUDE.md, los Skills, la memoria automática, las descripciones de herramientas y la configuración de CI. Si solo se examina un documento, resulta difícil detectar los conflictos reales.\n\n### Paso 2: asigna una clasificación a cada instrucción\n\n- Obligatoria por motivos de seguridad o legales\n- Obligatoria según el contrato del producto\n- Práctica persistente del equipo\n- Explicación necesaria únicamente para una herramienta concreta\n- Regla temporal para evitar errores de modelos anteriores\n- Regla cuyo fundamento actualmente no está claro\n\n### Paso 3: busca duplicaciones y conflictos\n\nAgrupa las frases que expresen de forma diferente el mismo comportamiento. Revisa con prioridad expresiones como `siempre`, `nunca`, `obligatoriamente` y `no hagas`.\n\n### Paso 4: traslada las reglas a pruebas o permisos\n\nLos elementos cuya validación automática sea más fiable que una advertencia en lenguaje natural deben trasladarse a las siguientes capas.\n\n- Pruebas y linters\n- Sistemas de tipos y esquemas\n- Herramientas con privilegios mínimos\n- Procedimientos de aprobación\n- Sandboxes\n- Políticas de CI\n\n### Paso 5: evalúa mediante tareas reales\n\nNo basta con medir la longitud del prompt. Hay que comparar los siguientes indicadores en un conjunto representativo de tareas.\n\n- Tasa de éxito y tasa de superación de pruebas\n- Número de archivos modificados innecesariamente\n- Número de correcciones del usuario\n- Tasa de fallos en las llamadas a herramientas\n- Tiempo y tokens necesarios hasta la finalización\n- Existencia de infracciones de las políticas de seguridad\n\n### Paso 6: corrige únicamente la causa del fallo y de forma mínima\n\nCuando se produce un fallo, no hay que añadir de inmediato una nueva regla de prohibición. Primero debe determinarse si la causa es un objetivo ambiguo, la falta de materiales de referencia o un esquema de herramientas incorrecto.\n\n## Instrucciones que no deben eliminarse\n\nLa simplificación no consiste en eliminar indiscriminadamente. Si la respuesta a cualquiera de las siguientes preguntas es `sí`, la instrucción debe mantenerse o trasladarse a un control más estricto.\n\n- ¿Su incumplimiento puede provocar pérdida de datos o daños económicos?\n- ¿Está relacionada con obligaciones legales, de privacidad o de licencias?\n- ¿Es una política de la organización que el modelo no puede conocer únicamente a partir del código?\n- ¿Determina la compatibilidad de una API pública o de un formato de datos?\n- ¿Se necesita la aprobación de una persona antes de ejecutar la tarea?\n- ¿Es difícil detectar por completo el incumplimiento únicamente mediante pruebas automáticas?\n\n## Patrones de fallo habituales\n\n### Añadir una nueva regla después de cada fallo\n\nSi un solo error se generaliza y se convierte en una regla permanente, se acumulan excepciones y conflictos. Primero hay que añadir un caso de evaluación y comprobar si se trata de un fallo recurrente.\n\n### Utilizar ejemplos largos prácticamente como plantillas\n\nSi un ejemplo es demasiado concreto, el modelo puede darle prioridad sobre el código base actual. Los ejemplos deben limitarse al tamaño mínimo necesario para explicar el principio.\n\n### Conservar íntegros todos los registros\n\nLas salidas de las herramientas y los registros de compilación ocupan rápidamente el contexto. Es preferible conservar de forma estructurada únicamente la causa del fallo, el stack pertinente y el estado modificado.\n\n### Utilizar la memoria automática como repositorio de políticas\n\nLa memoria automática es práctica, pero sus sistemas de revisión, despliegue y auditoría pueden ser débiles. Las políticas obligatorias de la organización deben almacenarse en instrucciones bajo control de versiones o en una jerarquía de permisos.\n\n### Evaluar la reducción del contexto únicamente como ahorro de tokens\n\nUn contexto corto no siempre es mejor. Si se eliminan pruebas, reglas de seguridad o especificaciones necesarias, el resultado empeora. El objetivo no es el mínimo número de tokens, sino el mínimo número de tokens de alta señal.\n\n## Lista de comprobación final\n\n- ¿Están separados el objetivo y los criterios de éxito de la solicitud actual?\n- ¿Se distinguen las reglas de seguridad de las preferencias de estilo?\n- ¿La misma instrucción no está duplicada en varios lugares?\n- ¿El esquema de la herramienta explica cómo utilizarla sin necesidad de ejemplos largos?\n- ¿Es posible buscar los archivos pertinentes cuando sean necesarios?\n- ¿Existe una forma de eliminar la memoria y los registros de ejecución obsoletos?\n- ¿Es posible imponer las reglas en lenguaje natural mediante pruebas o permisos?\n- ¿Está clara la prioridad entre los materiales de referencia?\n- ¿Existen tareas de evaluación para comparar el antes y el después de los cambios en las instrucciones?\n\n## Conclusión\n\nLa ingeniería de contexto para modelos Claude de alto rendimiento no es una técnica para reducir instrucciones de forma indiscriminada. Es un diseño de la información que aclara el objetivo, los límites de seguridad y los fundamentos que el modelo necesita para juzgar la tarea actual, y elimina la información irrelevante y las reglas contradictorias.\n\nEl principio más práctico puede resumirse del siguiente modo.\n\n\u003e Impón estrictamente la seguridad y los contratos, deja el estilo en manos del contexto, proporciona la información cuando sea necesaria y valida los resultados mediante pruebas ejecutables.","content_html":"\u003cp\u003ePara utilizar eficazmente los modelos Claude con una capacidad de juicio mejorada, no basta con perfeccionar una sola frase del prompt. Es necesario diseñar como un único entorno de información las instrucciones del sistema, los archivos del proyecto, las herramientas, la memoria, el historial de conversaciones y los resultados de ejecución que el modelo verá durante una inferencia.\u003c/p\u003e\n\u003cp\u003eEl principio fundamental es sencillo.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eEn lugar de prescribir de antemano cada comportamiento, proporciona un objetivo claro, límites de seguridad, interfaces expresivas y materiales de referencia fiables, y deja las decisiones de detalle en manos del modelo.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eEn este artículo, \u003ccode\u003eClaude 5\u003c/code\u003e se refiere al entorno de modelos Claude de alto rendimiento de próxima generación al que aluden los materiales proporcionados. El enfoque no está en especificaciones concretas del producto ni en su estado de lanzamiento, sino en principios de diseño del contexto aplicables a modelos con una capacidad de juicio mejorada.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#ingenier%C3%ADa-de-prompts-e-ingenier%C3%ADa-de-contexto\" class=\"anchor\" id=\"ingeniería-de-prompts-e-ingeniería-de-contexto\"\u003e\u003c/a\u003eIngeniería de prompts e ingeniería de contexto\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#ingenier%C3%ADa-de-prompts\" class=\"anchor\" id=\"ingeniería-de-prompts\"\u003e\u003c/a\u003eIngeniería de prompts\u003c/h3\u003e\n\u003cp\u003eLa ingeniería de prompts consiste en diseñar cómo expresar la solicitud actual. Por lo general, aborda los siguientes elementos.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eObjetivo de la tarea\u003c/li\u003e\n\u003cli\u003eAlcance de la ejecución\u003c/li\u003e\n\u003cli\u003eRestricciones\u003c/li\u003e\n\u003cli\u003eFormato de salida\u003c/li\u003e\n\u003cli\u003eCriterios de éxito\u003c/li\u003e\n\u003cli\u003eEjemplos necesarios\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003ePor ejemplo:\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eImplementa una función de cancelación de pagos en una API Route de Next.js.\n\u003c/span\u003e\u003cspan\u003eReutiliza la capa de servicio existente y añade pruebas.\n\u003c/span\u003e\u003cspan\u003eNo modifiques el contrato de la API pública y explica el motivo de los cambios.\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003ch3\u003e\n\u003ca href=\"#ingenier%C3%ADa-de-contexto\" class=\"anchor\" id=\"ingeniería-de-contexto\"\u003e\u003c/a\u003eIngeniería de contexto\u003c/h3\u003e\n\u003cp\u003eLa ingeniería de contexto consiste en seleccionar y mantener todo el conjunto de información que interviene en el razonamiento del modelo. En agentes de programación como Claude Code, el contexto se compone aproximadamente de los siguientes elementos.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eSolicitud actual del usuario\n\u003c/span\u003e\u003cspan\u003e+ instrucciones del sistema\n\u003c/span\u003e\u003cspan\u003e+ CLAUDE.md e instrucciones del proyecto\n\u003c/span\u003e\u003cspan\u003e+ Skills\n\u003c/span\u003e\u003cspan\u003e+ memoria automática\n\u003c/span\u003e\u003cspan\u003e+ código, especificaciones, pruebas y documentación\n\u003c/span\u003e\u003cspan\u003e+ definiciones de herramientas y recursos MCP\n\u003c/span\u003e\u003cspan\u003e+ historial de conversaciones\n\u003c/span\u003e\u003cspan\u003e+ resultados de ejecución de herramientas y registros de errores\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003ePor tanto, incluso un buen prompt puede perder eficacia si se proporciona junto con memoria obsoleta, reglas de proyecto duplicadas o registros enormes. Por el contrario, una solicitud breve puede ejecutarse con suficiente precisión si viene acompañada del código y las pruebas pertinentes, así como de herramientas claras.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eCategoría\u003c/th\u003e\n\u003cth\u003eIngeniería de prompts\u003c/th\u003e\n\u003cth\u003eIngeniería de contexto\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoría\"\u003eObjeto del diseño\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de prompts\"\u003eExpresión de la solicitud actual\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de contexto\"\u003eTodo el entorno de información que interviene en el razonamiento\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoría\"\u003ePregunta principal\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de prompts\"\u003eQué solicitar y cómo hacerlo\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de contexto\"\u003eQué debe ver el modelo y cuándo\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoría\"\u003eElementos representativos\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de prompts\"\u003eObjetivo, formato, restricciones, ejemplos\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de contexto\"\u003eInstrucciones del sistema, archivos, herramientas, memoria, historial\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoría\"\u003eFallos principales\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de prompts\"\u003eSolicitudes ambiguas, criterios de éxito poco claros\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de contexto\"\u003eConflictos, duplicación, información obsoleta, registros excesivos\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoría\"\u003eMétodo de mejora\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de prompts\"\u003eConcretar la solicitud y presentar criterios de validación\u003c/td\u003e\n\u003ctd data-label=\"Ingeniería de contexto\"\u003eSeleccionar información de alta señal, recuperarla en el momento oportuno y gestionar su ciclo de vida\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#por-qu%C3%A9-m%C3%A1s-contexto-no-siempre-es-mejor\" class=\"anchor\" id=\"por-qué-más-contexto-no-siempre-es-mejor\"\u003e\u003c/a\u003ePor qué más contexto no siempre es mejor\u003c/h2\u003e\n\u003cp\u003eAunque la ventana de contexto de los LLM aumente, la atención disponible para una tarea no es ilimitada. Si aumenta la cantidad de tokens poco relevantes, pueden surgir los siguientes problemas.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eLos requisitos importantes quedan enterrados entre explicaciones prolijas.\u003c/li\u003e\n\u003cli\u003eInstrucciones similares situadas en lugares distintos entran en conflicto de forma sutil.\u003c/li\u003e\n\u003cli\u003eDecisiones antiguas o intentos fallidos influyen en la tarea actual.\u003c/li\u003e\n\u003cli\u003eLos ejemplos actúan como si fueran la respuesta correcta y limitan otras vías de solución.\u003c/li\u003e\n\u003cli\u003eLos registros y las salidas de las herramientas ocupan el espacio necesario para el código, las especificaciones y las pruebas.\u003c/li\u003e\n\u003cli\u003eEl modelo consume razonamiento interpretando la prioridad de las instrucciones en lugar de realizar la tarea propiamente dicha.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eAnthropic explica el fenómeno de la reducción de la eficiencia en el uso de la información dentro de contextos largos y recomienda diseñar los agentes para que recuperen la información necesaria en el momento oportuno y compriman los registros obsoletos. Lo importante no es llenar el número máximo de tokens, sino aumentar la proporción de tokens de alta señal que influyen en el resultado.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#qu%C3%A9-implica-el-caso-de-reducci%C3%B3n-del-prompt-del-sistema\" class=\"anchor\" id=\"qué-implica-el-caso-de-reducción-del-prompt-del-sistema\"\u003e\u003c/a\u003eQué implica el caso de reducción del prompt del sistema\u003c/h2\u003e\n\u003cp\u003eEl caso de Anthropic proporcionado explica que, tras revisar las instrucciones internas de Claude Code, se redujo el prompt del sistema al menos un 80 %. Esta cifra no es una regla que obligue a reducir en la misma proporción los prompts de todas las aplicaciones. Debe entenderse como un caso en el que se depuraron instrucciones de comportamiento duplicadas y excesivamente detalladas dentro de un sistema concreto.\u003c/p\u003e\n\u003cp\u003ePor ejemplo, las siguientes instrucciones podrían aparecer simultáneamente en una solicitud.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eInstrucción del sistema: deja documentación adecuada a la situación.\n\u003c/span\u003e\u003cspan\u003eInstrucción de Skill: no añadas comentarios.\n\u003c/span\u003e\u003cspan\u003eSolicitud del usuario: haz que funcione como la versión anterior.\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eCada frase puede ser válida por separado, pero al combinarlas surgen varios problemas de interpretación.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e¿La documentación y los comentarios del código pertenecen a la misma categoría?\u003c/li\u003e\n\u003cli\u003e¿La prohibición de comentarios es una regla sin excepciones?\u003c/li\u003e\n\u003cli\u003e¿El comportamiento de la versión anterior incluye también los comentarios o la estructura de la documentación?\u003c/li\u003e\n\u003cli\u003e¿Qué tiene prioridad, la solicitud actual o el Skill reutilizable?\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eEn este caso, la causa del fallo no es únicamente la capacidad de programación del modelo. También influye que el entorno de información configurado por las personas contenga contradicciones innecesarias.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#seis-nuevas-reglas-de-dise%C3%B1o-del-contexto\" class=\"anchor\" id=\"seis-nuevas-reglas-de-diseño-del-contexto\"\u003e\u003c/a\u003eSeis nuevas reglas de diseño del contexto\u003c/h2\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eMétodo anterior\u003c/th\u003e\n\u003cth\u003eMétodo recomendado\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Método anterior\"\u003ePrescribir comportamientos detallados mediante listas de prohibiciones\u003c/td\u003e\n\u003ctd data-label=\"Método recomendado\"\u003ePresentar objetivos y criterios de decisión, y aprovechar el contexto\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Método anterior\"\u003eProporcionar numerosos ejemplos de llamadas a herramientas\u003c/td\u003e\n\u003ctd data-label=\"Método recomendado\"\u003eDiseñar el esquema para que explique por sí mismo cómo se utiliza\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Método anterior\"\u003eInyectar toda la información al comenzar la tarea\u003c/td\u003e\n\u003ctd data-label=\"Método recomendado\"\u003eRevelarla progresivamente cuando sea necesaria\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Método anterior\"\u003eRepetir la misma instrucción en varios lugares\u003c/td\u003e\n\u003ctd data-label=\"Método recomendado\"\u003eAsignar una única ubicación autorizada a cada instrucción\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Método anterior\"\u003eGuardar incluso recuerdos temporales en CLAUDE.md\u003c/td\u003e\n\u003ctd data-label=\"Método recomendado\"\u003eSeparar las funciones de las políticas permanentes y la memoria automática\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Método anterior\"\u003eDepender de largas explicaciones en Markdown\u003c/td\u003e\n\u003ctd data-label=\"Método recomendado\"\u003eProporcionar materiales ejecutables, como código, pruebas, HTML y rúbricas de evaluación\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch3\u003e\n\u003ca href=\"#1-sustituye-las-listas-detalladas-de-prohibiciones-por-principios-basados-en-el-contexto\" class=\"anchor\" id=\"1-sustituye-las-listas-detalladas-de-prohibiciones-por-principios-basados-en-el-contexto\"\u003e\u003c/a\u003e1. Sustituye las listas detalladas de prohibiciones por principios basados en el contexto\u003c/h3\u003e\n\u003cp\u003ePara evitar los errores repetitivos de modelos anteriores, a veces se enumeraban extensamente reglas como las siguientes.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eNo escribas comentarios.\u003c/li\u003e\n\u003cli\u003eNo crees docstrings de varios párrafos.\u003c/li\u003e\n\u003cli\u003eNo generes documentos de planificación que no se hayan solicitado.\u003c/li\u003e\n\u003cli\u003eNo guardes archivos intermedios de análisis.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eEstas reglas evitan fallos específicos, pero no son principios absolutos aplicables a todas las situaciones. Una validación de seguridad compleja o el código concurrente pueden necesitar explicaciones, mientras que en un código CRUD evidente los comentarios pueden generar más ruido.\u003c/p\u003e\n\u003cp\u003eEs preferible presentar criterios de decisión como los siguientes.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eEscribe código que se lea del mismo modo que el código circundante.\n\u003c/span\u003e\u003cspan\u003eSigue las convenciones de nombres, las expresiones idiomáticas y la densidad de comentarios de los archivos existentes.\n\u003c/span\u003e\u003cspan\u003eAñade únicamente la documentación necesaria para la lógica cuya seguridad o intención no resulte clara sin una explicación.\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eSin embargo, no se deben debilitar todas las reglas. Los siguientes elementos deben mantenerse como restricciones explícitas o controles a nivel de herramienta.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eAprobación para el despliegue en producción y la eliminación de datos\u003c/li\u003e\n\u003cli\u003eRestricciones sobre el tratamiento de datos personales e información confidencial\u003c/li\u003e\n\u003cli\u003eVerificación de autenticación y autorización\u003c/li\u003e\n\u003cli\u003eIdempotencia y registros de auditoría de transacciones financieras\u003c/li\u003e\n\u003cli\u003ePolíticas de migración de bases de datos\u003c/li\u003e\n\u003cli\u003eCumplimiento legal, de licencias y normativo\u003c/li\u003e\n\u003cli\u003eContratos inmutables de API públicas\u003c/li\u003e\n\u003c/ul\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eTipo de regla\u003c/th\u003e\n\u003cth\u003eMétodo de tratamiento adecuado\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regla\"\u003eSeguridad, legislación y permisos\u003c/td\u003e\n\u003ctd data-label=\"Método de tratamiento adecuado\"\u003eMantener restricciones explícitas y estrictas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regla\"\u003eOperaciones con posibilidad de pérdida de datos\u003c/td\u003e\n\u003ctd data-label=\"Método de tratamiento adecuado\"\u003eControlar mediante procedimientos de aprobación y permisos de herramientas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regla\"\u003eContratos públicos y compatibilidad\u003c/td\u003e\n\u003ctd data-label=\"Método de tratamiento adecuado\"\u003eVerificar mediante pruebas y esquemas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regla\"\u003eEstilo del código y comentarios\u003c/td\u003e\n\u003ctd data-label=\"Método de tratamiento adecuado\"\u003eUtilizar principios de decisión basados en el código circundante\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regla\"\u003eOrden temporal de las tareas\u003c/td\u003e\n\u003ctd data-label=\"Método de tratamiento adecuado\"\u003eGestionar en el plan actual o en la lista de tareas\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch3\u003e\n\u003ca href=\"#2-dise%C3%B1a-herramientas-expresivas-en-lugar-de-proporcionar-muchos-ejemplos\" class=\"anchor\" id=\"2-diseña-herramientas-expresivas-en-lugar-de-proporcionar-muchos-ejemplos\"\u003e\u003c/a\u003e2. Diseña herramientas expresivas en lugar de proporcionar muchos ejemplos\u003c/h3\u003e\n\u003cp\u003eSi se siguen añadiendo casos de llamadas correctas e incorrectas a la descripción de una herramienta, el contexto crece y el modelo puede imitar la forma superficial de los ejemplos. Un método mejor consiste en diseñar el nombre de la herramienta, los campos de entrada y las transiciones de estado para que revelen cómo se utiliza.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eTodoWrite\n\u003c/span\u003e\u003cspan\u003eObjetivo: crear y actualizar la lista de tareas de la sesión actual\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003estatus:\n\u003c/span\u003e\u003cspan\u003e- pending\n\u003c/span\u003e\u003cspan\u003e- in_progress\n\u003c/span\u003e\u003cspan\u003e- completed\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eRestricción:\n\u003c/span\u003e\u003cspan\u003e- solo una tarea puede estar in_progress al mismo tiempo\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eUna buena herramienta para agentes tiene las siguientes características.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eSu nombre revela por sí solo la acción y el objeto.\u003c/li\u003e\n\u003cli\u003eDistingue entre campos obligatorios y opcionales.\u003c/li\u003e\n\u003cli\u003eLimita los valores permitidos mediante enumeraciones.\u003c/li\u003e\n\u003cli\u003eSepara la lectura de la escritura, y la vista previa de la ejecución.\u003c/li\u003e\n\u003cli\u003eLos errores devuelven de forma estructurada la causa y el método de recuperación.\u003c/li\u003e\n\u003cli\u003eLas operaciones peligrosas requieren un token de confirmación o una fase de aprobación.\u003c/li\u003e\n\u003cli\u003eSi el resultado es demasiado largo, ofrece un resumen y funciones de paginación.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eConviene añadir ejemplos únicamente cuando sea necesario explicar excepciones o entradas ambiguas difíciles de expresar mediante la interfaz.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#3-no-introduzcas-toda-la-informaci%C3%B3n-desde-el-principio-rev%C3%A9lala-progresivamente\" class=\"anchor\" id=\"3-no-introduzcas-toda-la-información-desde-el-principio-revélala-progresivamente\"\u003e\u003c/a\u003e3. No introduzcas toda la información desde el principio; revélala progresivamente\u003c/h3\u003e\n\u003cp\u003eNo se debe inyectar desde el principio todo el repositorio, todas las políticas y registros extensos solo porque exista la posibilidad de que el agente los necesite para la tarea. Primero hay que proporcionar la información mínima necesaria para explorar y permitir que lea los materiales pertinentes a medida que se concreta la tarea.\u003c/p\u003e\n\u003cp\u003eEl flujo recomendado es el siguiente.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eProporciona el objetivo, los criterios de éxito y los límites de seguridad.\u003c/li\u003e\n\u003cli\u003eLocaliza las ubicaciones pertinentes mediante la estructura del repositorio o herramientas de búsqueda.\u003c/li\u003e\n\u003cli\u003eLee solo los archivos y las especificaciones necesarios.\u003c/li\u003e\n\u003cli\u003eTras la implementación, ejecuta las pruebas y los análisis estáticos pertinentes.\u003c/li\u003e\n\u003cli\u003eSi se produce un fallo, recupera únicamente el error correspondiente y el código circundante.\u003c/li\u003e\n\u003cli\u003eAl terminar, comprime o elimina los registros obsoletos y el razonamiento intermedio.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eLa revelación progresiva no consiste en ocultar información. Consiste en ofrecer rutas de búsqueda y una estructura de archivos clara para que el modelo pueda descubrir la información necesaria.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#4-elimina-las-instrucciones-duplicadas-y-establece-ubicaciones-autorizadas\" class=\"anchor\" id=\"4-elimina-las-instrucciones-duplicadas-y-establece-ubicaciones-autorizadas\"\u003e\u003c/a\u003e4. Elimina las instrucciones duplicadas y establece ubicaciones autorizadas\u003c/h3\u003e\n\u003cp\u003eSi se duplica la misma regla en el prompt del sistema, CLAUDE.md, un Skill y la descripción de una herramienta, la redacción puede divergir con el tiempo. Para cada tipo de instrucción debe establecerse una única ubicación autorizada.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eInformación\u003c/th\u003e\n\u003cth\u003eUbicación recomendada\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Información\"\u003ePolítica de seguridad de toda la organización\u003c/td\u003e\n\u003ctd data-label=\"Ubicación recomendada\"\u003eInstrucciones del sistema o jerarquía de permisos\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Información\"\u003eComandos de compilación y pruebas del repositorio\u003c/td\u003e\n\u003ctd data-label=\"Ubicación recomendada\"\u003eCLAUDE.md del proyecto\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Información\"\u003eProcedimiento para una tarea concreta\u003c/td\u003e\n\u003ctd data-label=\"Ubicación recomendada\"\u003eSkill correspondiente\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Información\"\u003eEntradas y restricciones de una herramienta\u003c/td\u003e\n\u003ctd data-label=\"Ubicación recomendada\"\u003eEsquema y descripción de la herramienta\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Información\"\u003eComportamiento de una API pública\u003c/td\u003e\n\u003ctd data-label=\"Ubicación recomendada\"\u003eEsquemas de código, especificaciones y pruebas de contrato\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Información\"\u003eProgreso de la sesión actual\u003c/td\u003e\n\u003ctd data-label=\"Ubicación recomendada\"\u003eLista de tareas o estado de la sesión\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eSi la duplicación es inevitable, es más seguro señalar la ubicación autorizada o generar automáticamente el contenido en lugar de copiarlo.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#5-separa-las-funciones-de-claudemd-y-la-memoria-autom%C3%A1tica\" class=\"anchor\" id=\"5-separa-las-funciones-de-claudemd-y-la-memoria-automática\"\u003e\u003c/a\u003e5. Separa las funciones de CLAUDE.md y la memoria automática\u003c/h3\u003e\n\u003cp\u003eCLAUDE.md es adecuado para instrucciones persistentes que los miembros del proyecto pueden revisar y gestionar mediante control de versiones.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eComandos estándar de compilación y pruebas\u003c/li\u003e\n\u003cli\u003eExplicación fundamental de la estructura del repositorio\u003c/li\u003e\n\u003cli\u003eÁreas que el equipo ha acordado no modificar\u003c/li\u003e\n\u003cli\u003eProcedimientos de validación específicos del proyecto\u003c/li\u003e\n\u003cli\u003eReglas difíciles de deducir mediante herramientas comunes\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eEn cambio, la siguiente información resulta más adecuada para la memoria automática o el estado de la sesión.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePreferencias personalizadas descubiertas durante tareas repetitivas\u003c/li\u003e\n\u003cli\u003eRutas de exploración útiles en trabajos recientes\u003c/li\u003e\n\u003cli\u003eCaracterísticas temporales del entorno de desarrollo\u003c/li\u003e\n\u003cli\u003eProgreso de la sesión actual\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eNo debe asumirse que la memoria automática es siempre exacta o permanente. Debe ser posible modificar o eliminar los elementos obsoletos, y no debe utilizarse como único repositorio de las políticas de seguridad ni de los contratos públicos.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#6-prioriza-los-materiales-de-referencia-ejecutables-sobre-los-documentos-explicativos\" class=\"anchor\" id=\"6-prioriza-los-materiales-de-referencia-ejecutables-sobre-los-documentos-explicativos\"\u003e\u003c/a\u003e6. Prioriza los materiales de referencia ejecutables sobre los documentos explicativos\u003c/h3\u003e\n\u003cp\u003eLas especificaciones en lenguaje natural son útiles para explicar la intención, pero pueden no representar por completo el comportamiento real. Siempre que sea posible, proporciona también los siguientes materiales.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eImplementaciones existentes similares al código actual\u003c/li\u003e\n\u003cli\u003ePruebas unitarias y de integración\u003c/li\u003e\n\u003cli\u003eEsquemas de API y definiciones de tipos\u003c/li\u003e\n\u003cli\u003eHTML real o entregables de diseño\u003c/li\u003e\n\u003cli\u003eArchivos de migración de bases de datos\u003c/li\u003e\n\u003cli\u003eDatos de ejemplo de entrada y salida\u003c/li\u003e\n\u003cli\u003eRúbricas y criterios de evaluación automática\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eTambién pueden surgir conflictos entre los materiales de referencia, por lo que es necesario especificar su prioridad. Por ejemplo, se puede determinar que las pruebas de contrato son el criterio autorizado para la API pública y que el README es material explicativo.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#plantilla-pr%C3%A1ctica-para-estructurar-el-contexto\" class=\"anchor\" id=\"plantilla-práctica-para-estructurar-el-contexto\"\u003e\u003c/a\u003ePlantilla práctica para estructurar el contexto\u003c/h2\u003e\n\u003cp\u003eLa siguiente estructura es un ejemplo de cómo organizar de forma concisa la información necesaria para una tarea de programación.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eObjetivo\n\u003c/span\u003e\u003cspan\u003e- Añadir una API de cancelación de pagos.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eCriterios de éxito\n\u003c/span\u003e\u003cspan\u003e- Reutilizar la capa de servicio de pagos existente.\n\u003c/span\u003e\u003cspan\u003e- Aunque haya solicitudes duplicadas, la cancelación solo se realiza una vez.\n\u003c/span\u003e\u003cspan\u003e- Las pruebas de contrato pertinentes se superan.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eRestricciones estrictas\n\u003c/span\u003e\u003cspan\u003e- No modificar el esquema de respuesta público.\n\u003c/span\u003e\u003cspan\u003e- No acceder a datos de producción.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eMateriales de referencia\n\u003c/span\u003e\u003cspan\u003e- src/payments/capture.ts\n\u003c/span\u003e\u003cspan\u003e- tests/contracts/payment-cancel.test.ts\n\u003c/span\u003e\u003cspan\u003e- openapi/payments.yaml\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003ePrincipios de decisión\n\u003c/span\u003e\u003cspan\u003e- Seguir el tratamiento de errores y las convenciones de nombres del código de pagos circundante.\n\u003c/span\u003e\u003cspan\u003e- Si existe alguna suposición insegura, preguntar antes de implementar.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eValidación\n\u003c/span\u003e\u003cspan\u003e- Pruebas unitarias correspondientes\n\u003c/span\u003e\u003cspan\u003e- Pruebas de contrato\n\u003c/span\u003e\u003cspan\u003e- Comprobación de tipos\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eEste formato no enumera de antemano todas las situaciones. En su lugar, separa el objetivo, las condiciones de éxito, los límites invariables, los materiales autorizados y los métodos de validación.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#procedimiento-para-depurar-el-contexto-existente\" class=\"anchor\" id=\"procedimiento-para-depurar-el-contexto-existente\"\u003e\u003c/a\u003eProcedimiento para depurar el contexto existente\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#paso-1-enumera-las-fuentes-de-todas-las-instrucciones\" class=\"anchor\" id=\"paso-1-enumera-las-fuentes-de-todas-las-instrucciones\"\u003e\u003c/a\u003ePaso 1: enumera las fuentes de todas las instrucciones\u003c/h3\u003e\n\u003cp\u003eRevisa conjuntamente el prompt del sistema, CLAUDE.md, los Skills, la memoria automática, las descripciones de herramientas y la configuración de CI. Si solo se examina un documento, resulta difícil detectar los conflictos reales.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#paso-2-asigna-una-clasificaci%C3%B3n-a-cada-instrucci%C3%B3n\" class=\"anchor\" id=\"paso-2-asigna-una-clasificación-a-cada-instrucción\"\u003e\u003c/a\u003ePaso 2: asigna una clasificación a cada instrucción\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eObligatoria por motivos de seguridad o legales\u003c/li\u003e\n\u003cli\u003eObligatoria según el contrato del producto\u003c/li\u003e\n\u003cli\u003ePráctica persistente del equipo\u003c/li\u003e\n\u003cli\u003eExplicación necesaria únicamente para una herramienta concreta\u003c/li\u003e\n\u003cli\u003eRegla temporal para evitar errores de modelos anteriores\u003c/li\u003e\n\u003cli\u003eRegla cuyo fundamento actualmente no está claro\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#paso-3-busca-duplicaciones-y-conflictos\" class=\"anchor\" id=\"paso-3-busca-duplicaciones-y-conflictos\"\u003e\u003c/a\u003ePaso 3: busca duplicaciones y conflictos\u003c/h3\u003e\n\u003cp\u003eAgrupa las frases que expresen de forma diferente el mismo comportamiento. Revisa con prioridad expresiones como \u003ccode\u003esiempre\u003c/code\u003e, \u003ccode\u003enunca\u003c/code\u003e, \u003ccode\u003eobligatoriamente\u003c/code\u003e y \u003ccode\u003eno hagas\u003c/code\u003e.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#paso-4-traslada-las-reglas-a-pruebas-o-permisos\" class=\"anchor\" id=\"paso-4-traslada-las-reglas-a-pruebas-o-permisos\"\u003e\u003c/a\u003ePaso 4: traslada las reglas a pruebas o permisos\u003c/h3\u003e\n\u003cp\u003eLos elementos cuya validación automática sea más fiable que una advertencia en lenguaje natural deben trasladarse a las siguientes capas.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePruebas y linters\u003c/li\u003e\n\u003cli\u003eSistemas de tipos y esquemas\u003c/li\u003e\n\u003cli\u003eHerramientas con privilegios mínimos\u003c/li\u003e\n\u003cli\u003eProcedimientos de aprobación\u003c/li\u003e\n\u003cli\u003eSandboxes\u003c/li\u003e\n\u003cli\u003ePolíticas de CI\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#paso-5-eval%C3%BAa-mediante-tareas-reales\" class=\"anchor\" id=\"paso-5-evalúa-mediante-tareas-reales\"\u003e\u003c/a\u003ePaso 5: evalúa mediante tareas reales\u003c/h3\u003e\n\u003cp\u003eNo basta con medir la longitud del prompt. Hay que comparar los siguientes indicadores en un conjunto representativo de tareas.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eTasa de éxito y tasa de superación de pruebas\u003c/li\u003e\n\u003cli\u003eNúmero de archivos modificados innecesariamente\u003c/li\u003e\n\u003cli\u003eNúmero de correcciones del usuario\u003c/li\u003e\n\u003cli\u003eTasa de fallos en las llamadas a herramientas\u003c/li\u003e\n\u003cli\u003eTiempo y tokens necesarios hasta la finalización\u003c/li\u003e\n\u003cli\u003eExistencia de infracciones de las políticas de seguridad\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#paso-6-corrige-%C3%BAnicamente-la-causa-del-fallo-y-de-forma-m%C3%ADnima\" class=\"anchor\" id=\"paso-6-corrige-únicamente-la-causa-del-fallo-y-de-forma-mínima\"\u003e\u003c/a\u003ePaso 6: corrige únicamente la causa del fallo y de forma mínima\u003c/h3\u003e\n\u003cp\u003eCuando se produce un fallo, no hay que añadir de inmediato una nueva regla de prohibición. Primero debe determinarse si la causa es un objetivo ambiguo, la falta de materiales de referencia o un esquema de herramientas incorrecto.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#instrucciones-que-no-deben-eliminarse\" class=\"anchor\" id=\"instrucciones-que-no-deben-eliminarse\"\u003e\u003c/a\u003eInstrucciones que no deben eliminarse\u003c/h2\u003e\n\u003cp\u003eLa simplificación no consiste en eliminar indiscriminadamente. Si la respuesta a cualquiera de las siguientes preguntas es \u003ccode\u003esí\u003c/code\u003e, la instrucción debe mantenerse o trasladarse a un control más estricto.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e¿Su incumplimiento puede provocar pérdida de datos o daños económicos?\u003c/li\u003e\n\u003cli\u003e¿Está relacionada con obligaciones legales, de privacidad o de licencias?\u003c/li\u003e\n\u003cli\u003e¿Es una política de la organización que el modelo no puede conocer únicamente a partir del código?\u003c/li\u003e\n\u003cli\u003e¿Determina la compatibilidad de una API pública o de un formato de datos?\u003c/li\u003e\n\u003cli\u003e¿Se necesita la aprobación de una persona antes de ejecutar la tarea?\u003c/li\u003e\n\u003cli\u003e¿Es difícil detectar por completo el incumplimiento únicamente mediante pruebas automáticas?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#patrones-de-fallo-habituales\" class=\"anchor\" id=\"patrones-de-fallo-habituales\"\u003e\u003c/a\u003ePatrones de fallo habituales\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#a%C3%B1adir-una-nueva-regla-despu%C3%A9s-de-cada-fallo\" class=\"anchor\" id=\"añadir-una-nueva-regla-después-de-cada-fallo\"\u003e\u003c/a\u003eAñadir una nueva regla después de cada fallo\u003c/h3\u003e\n\u003cp\u003eSi un solo error se generaliza y se convierte en una regla permanente, se acumulan excepciones y conflictos. Primero hay que añadir un caso de evaluación y comprobar si se trata de un fallo recurrente.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#utilizar-ejemplos-largos-pr%C3%A1cticamente-como-plantillas\" class=\"anchor\" id=\"utilizar-ejemplos-largos-prácticamente-como-plantillas\"\u003e\u003c/a\u003eUtilizar ejemplos largos prácticamente como plantillas\u003c/h3\u003e\n\u003cp\u003eSi un ejemplo es demasiado concreto, el modelo puede darle prioridad sobre el código base actual. Los ejemplos deben limitarse al tamaño mínimo necesario para explicar el principio.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#conservar-%C3%ADntegros-todos-los-registros\" class=\"anchor\" id=\"conservar-íntegros-todos-los-registros\"\u003e\u003c/a\u003eConservar íntegros todos los registros\u003c/h3\u003e\n\u003cp\u003eLas salidas de las herramientas y los registros de compilación ocupan rápidamente el contexto. Es preferible conservar de forma estructurada únicamente la causa del fallo, el stack pertinente y el estado modificado.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#utilizar-la-memoria-autom%C3%A1tica-como-repositorio-de-pol%C3%ADticas\" class=\"anchor\" id=\"utilizar-la-memoria-automática-como-repositorio-de-políticas\"\u003e\u003c/a\u003eUtilizar la memoria automática como repositorio de políticas\u003c/h3\u003e\n\u003cp\u003eLa memoria automática es práctica, pero sus sistemas de revisión, despliegue y auditoría pueden ser débiles. Las políticas obligatorias de la organización deben almacenarse en instrucciones bajo control de versiones o en una jerarquía de permisos.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#evaluar-la-reducci%C3%B3n-del-contexto-%C3%BAnicamente-como-ahorro-de-tokens\" class=\"anchor\" id=\"evaluar-la-reducción-del-contexto-únicamente-como-ahorro-de-tokens\"\u003e\u003c/a\u003eEvaluar la reducción del contexto únicamente como ahorro de tokens\u003c/h3\u003e\n\u003cp\u003eUn contexto corto no siempre es mejor. Si se eliminan pruebas, reglas de seguridad o especificaciones necesarias, el resultado empeora. El objetivo no es el mínimo número de tokens, sino el mínimo número de tokens de alta señal.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#lista-de-comprobaci%C3%B3n-final\" class=\"anchor\" id=\"lista-de-comprobación-final\"\u003e\u003c/a\u003eLista de comprobación final\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e¿Están separados el objetivo y los criterios de éxito de la solicitud actual?\u003c/li\u003e\n\u003cli\u003e¿Se distinguen las reglas de seguridad de las preferencias de estilo?\u003c/li\u003e\n\u003cli\u003e¿La misma instrucción no está duplicada en varios lugares?\u003c/li\u003e\n\u003cli\u003e¿El esquema de la herramienta explica cómo utilizarla sin necesidad de ejemplos largos?\u003c/li\u003e\n\u003cli\u003e¿Es posible buscar los archivos pertinentes cuando sean necesarios?\u003c/li\u003e\n\u003cli\u003e¿Existe una forma de eliminar la memoria y los registros de ejecución obsoletos?\u003c/li\u003e\n\u003cli\u003e¿Es posible imponer las reglas en lenguaje natural mediante pruebas o permisos?\u003c/li\u003e\n\u003cli\u003e¿Está clara la prioridad entre los materiales de referencia?\u003c/li\u003e\n\u003cli\u003e¿Existen tareas de evaluación para comparar el antes y el después de los cambios en las instrucciones?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#conclusi%C3%B3n\" class=\"anchor\" id=\"conclusión\"\u003e\u003c/a\u003eConclusión\u003c/h2\u003e\n\u003cp\u003eLa ingeniería de contexto para modelos Claude de alto rendimiento no es una técnica para reducir instrucciones de forma indiscriminada. Es un diseño de la información que aclara el objetivo, los límites de seguridad y los fundamentos que el modelo necesita para juzgar la tarea actual, y elimina la información irrelevante y las reglas contradictorias.\u003c/p\u003e\n\u003cp\u003eEl principio más práctico puede resumirse del siguiente modo.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eImpón estrictamente la seguridad y los contratos, deja el estilo en manos del contexto, proporciona la información cuando sea necesaria y valida los resultados mediante pruebas ejecutables.\u003c/p\u003e\n\u003c/blockquote\u003e\n","tags":["Ingeniería de prompts","Ingeniería de contexto","Agentes de IA","Claude Code","Claude"],"faqs":[{"question":"¿En qué se diferencian la ingeniería de prompts y la ingeniería de contexto?","answer":"La ingeniería de prompts aborda cómo expresar el objetivo, el formato y las restricciones de la solicitud actual. La ingeniería de contexto diseña qué elementos mostrar al modelo y cuándo hacerlo, entre ellos ese prompt, las instrucciones del sistema, los archivos, las herramientas, la memoria, el historial de conversación y los resultados de ejecución."},{"question":"¿Un contexto más largo mejora siempre el rendimiento del modelo?","answer":"No. Un contexto largo puede contener información irrelevante, registros obsoletos e instrucciones contradictorias. Lo importante no es el número total de tokens, sino la proporción de información de alta relevancia que contribuye directamente a la tarea actual."},{"question":"¿Es necesario eliminar todas las reglas existentes para Claude 5?","answer":"No. Las reglas específicas que varían según la situación, como las relativas al estilo del código o los comentarios, pueden convertirse en principios de decisión, pero las restricciones relativas a la seguridad, la privacidad, los permisos, las transacciones financieras, la eliminación de datos y los contratos de API públicas deben mantenerse o controlarse de forma más estricta mediante herramientas y pruebas."},{"question":"¿Qué contenido es apropiado incluir en CLAUDE.md?","answer":"Son adecuadas las instrucciones duraderas y verificables, como los comandos de compilación y pruebas del proyecto, la estructura del repositorio, las áreas que no deben modificarse y los procedimientos de validación acordados por el equipo. Si se guardan todos los avances temporales o hallazgos personalizados, el documento puede quedar obsoleto rápidamente."},{"question":"¿Puede la memoria automática sustituir a CLAUDE.md?","answer":"No puede sustituirlo por completo. La memoria automática es útil para conservar preferencias o información de exploración descubiertas en tareas repetitivas, pero las instrucciones que requieren auditoría y control de versiones, como las políticas de seguridad y los contratos públicos, deben mantenerse en CLAUDE.md o en una capa de políticas independiente."},{"question":"¿Qué características tiene una buena interfaz de herramientas para agentes?","answer":"El propósito debe quedar claro solo con el nombre de la herramienta y el esquema de entrada, y los valores obligatorios y los estados permitidos deben estar definidos con claridad. Es recomendable que las operaciones de escritura peligrosas requieran una vista previa o una aprobación, y que los errores devuelvan de manera estructurada la causa y el método de recuperación."},{"question":"¿La divulgación progresiva significa ocultar información al modelo?","answer":"No. Es un método que proporciona inicialmente el objetivo y la ruta de exploración, y permite que el modelo busque los archivos, las especificaciones y los registros necesarios a medida que concreta la tarea. El objetivo es reducir la introducción anticipada de información innecesaria sin limitar el acceso a la información."},{"question":"¿Cómo se evalúa el efecto después de reducir el contexto?","answer":"En un conjunto representativo de tareas, deben compararse antes y después del cambio la tasa de aprobación de las pruebas, el número de correcciones del usuario, los cambios innecesarios, los errores de las herramientas, el uso de tokens y las infracciones de las políticas de seguridad. El éxito no debe determinarse únicamente por la reducción de la longitud del prompt."},{"question":"¿Se puede prescindir por completo de ejemplos de uso de herramientas?","answer":"Los ejemplos no siempre son innecesarios. Cuando hay casos límite o entradas ambiguas difíciles de expresar únicamente mediante el esquema, resulta útil ofrecer un número mínimo de ejemplos. Sin embargo, se debe priorizar que la propia interfaz sea clara en lugar de enumerar repetidamente llamadas normales."}],"sources":[{"url":"https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents","title":"Ingeniería de contexto eficaz para agentes de IA","type":"source"},{"url":"https://www.anthropic.com/engineering/building-effective-agents","title":"Creación de agentes eficaces","type":"source"},{"url":"https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview","title":"Descripción general de la ingeniería de prompts","type":"source"},{"url":"https://docs.anthropic.com/en/docs/claude-code/memory","title":"Documentación de la memoria de Claude Code","type":"source"}],"images":[{"id":303,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzMzMywicHVyIjoiYmxvYl9pZCJ9fQ==--b6a9225f1d5837dd6ca93532a1e1a3388a1cc4fc/ai-e5c0c894.webp","is_representative":true,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"문서와 데이터 아이콘이 깔때기를 거쳐 중앙 AI 네트워크로 모이는 일러스트","caption":"다양한 컨텍스트가 선별·구조화되어 AI 모델에 연결되는 과정을 표현한다.","description":null},"en":{"alt":"Documents and data icons flowing through a funnel into a central AI network","caption":"The illustration shows varied context being filtered and structured for an AI model.","description":null},"ja":{"alt":"文書やデータのアイコンが漏斗を通って中央のAIネットワークに集まる図","caption":"多様なコンテキストを選別・構造化してAIモデルにつなぐ流れを表している。","description":null},"es":{"alt":"Iconos de documentos y datos pasan por un embudo hacia una red de IA central","caption":"La ilustración representa cómo se filtra y estructura el contexto para un modelo de IA.","description":null},"id":{"alt":"Ikon dokumen dan data mengalir melalui corong menuju jaringan AI pusat","caption":"Ilustrasi ini menunjukkan konteks yang disaring dan disusun untuk model AI.","description":null},"pt":{"alt":"Ícones de documentos e dados passam por um funil até uma rede central de IA","caption":"A ilustração mostra diferentes contextos sendo filtrados e estruturados para um modelo de IA.","description":null},"zh-hant":{"alt":"文件與資料圖示經漏斗匯入中央AI網路","caption":"插圖呈現多種脈絡經篩選與結構化後連接至AI模型的流程。","description":null}}},{"id":304,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzMzOSwicHVyIjoiYmxvYl9pZCJ9fQ==--c5e1421a425951ca760407e2d7b6c78654f545e5/ai-8b2296c2.webp","is_representative":false,"generation_method":"ai_image","license":"ai_generated","mime_type":"image/webp","translations":{"ko":{"alt":"로봇이 검색, 파일, 도구, 코드, 검증, 보고서 단계를 거쳐 목표로 향하는 AI 워크플로","caption":"보안 경계 안에서 컨텍스트와 도구를 단계별로 처리하는 AI 워크플로를 보여준다.","description":null},"en":{"alt":"AI workflow with a robot moving through search, files, tools, code, validation, and reporting toward a target","caption":"The diagram shows an AI processing context and tools step by step within a secure boundary.","description":null},"ja":{"alt":"ロボットが検索、ファイル、ツール、コード、検証、レポートを経て目標へ進むAIワークフロー","caption":"安全な境界内でコンテキストとツールを段階的に処理するAIワークフローを示している。","description":null},"es":{"alt":"Flujo de IA con un robot que pasa por búsqueda, archivos, herramientas, código, validación e informes","caption":"El diagrama muestra una IA que procesa contexto y herramientas por etapas dentro de un entorno seguro.","description":null},"id":{"alt":"Alur kerja AI dengan robot melalui pencarian, berkas, alat, kode, validasi, dan laporan menuju sasaran","caption":"Diagram ini menunjukkan AI yang memproses konteks dan alat secara bertahap dalam batas aman.","description":null},"pt":{"alt":"Fluxo de IA com robô passando por busca, arquivos, ferramentas, código, validação e relatório até o alvo","caption":"O diagrama mostra uma IA processando contexto e ferramentas em etapas dentro de um limite seguro.","description":null},"zh-hant":{"alt":"機器人依序經過搜尋、檔案、工具、程式碼、驗證與報告並朝目標前進的 AI 工作流程","caption":"圖中呈現 AI 在安全邊界內分階段處理情境資訊與工具的工作流程。","description":null}}}],"published_at":"2026-07-27T05:12:07+09:00","updated_at":"2026-07-27T05:12:07+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant"],"url":"https://injoys.com/es/articles/claude-5-context-engineering-rules"}