{"content_id":"yihyxok0ch","slug":"claude-5-context-engineering-rules","locale":"pt","schema_type":"TechArticle","category":"ai_data","category_name":"Dados de IA","title":"Regras de engenharia de contexto para o Claude 5","summary":"Para modelos Claude com maior capacidade de julgamento, objetivos claros, ferramentas bem projetadas e materiais de referência adequados à tarefa são mais importantes do que muitas regras detalhadas. Este artigo explica os princípios e procedimentos de aplicação do projeto de contexto para reduzir instruções redundantes e fornecer as informações necessárias no momento certo.","author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["A engenharia de contexto envolve projetar em conjunto não apenas prompts, mas também instruções de sistema, ferramentas, memória, arquivos, histórico de conversas e resultados de execução.","As regras de segurança, legislação, permissões e integridade dos dados devem permanecer rigorosas, enquanto as diretrizes de estilo que variam conforme a situação devem ser transformadas em princípios baseados no contexto.","Em vez de incluir todas as informações desde o início, elas devem ser disponibilizadas no momento necessário por meio de buscas, leitura de arquivos, Skills e subagentes.","Em vez de listar repetidamente exemplos de uso de ferramentas, devem ser projetadas interfaces com nomes claros, esquemas de entrada, definições de estado e estruturas de erros.","CLAUDE.md, memória automática, código, testes e especificações devem ter funções distintas, sem duplicar as mesmas instruções em vários locais."],"content_markdown":"Para usar de forma eficaz modelos Claude com capacidade de julgamento aprimorada, não basta lapidar uma única frase do prompt. É necessário projetar como um único ambiente de informações as instruções de sistema, os arquivos do projeto, as ferramentas, a memória, o histórico da conversa e os resultados de execução que o modelo verá em uma inferência.\n\nO princípio central é simples.\n\n\u003e Em vez de definir antecipadamente cada comportamento, forneça um objetivo claro, limites de segurança, interfaces expressivas e materiais de referência confiáveis, deixando os julgamentos detalhados a cargo do modelo.\n\nNeste artigo, `Claude 5` refere-se ao ambiente de modelos Claude de alto desempenho da próxima geração mencionado nos materiais fornecidos. O foco não está em especificações concretas do produto nem no status de lançamento, mas nos princípios de projeto de contexto aplicáveis a modelos com capacidade de julgamento aprimorada.\n\n## Engenharia de prompts e engenharia de contexto\n\n### Engenharia de prompts\n\nA engenharia de prompts é o trabalho de projetar como a solicitação atual será expressa. Em geral, ela aborda os seguintes itens:\n\n- Objetivo da tarefa\n- Escopo da execução\n- Restrições\n- Formato da saída\n- Critérios de sucesso\n- Exemplos necessários\n\nPor exemplo:\n\n```text\nImplementar a funcionalidade de cancelamento de pagamento em uma API Route do Next.js.\nReutilizar a camada de serviço existente e adicionar testes.\nNão alterar o contrato da API pública e explicar o motivo das mudanças.\n```\n\n### Engenharia de contexto\n\nA engenharia de contexto é o trabalho de selecionar e manter todo o conjunto de informações usado no raciocínio do modelo. Em um agente de programação como o Claude Code, o contexto é composto aproximadamente pelos seguintes elementos:\n\n```text\nSolicitação atual do usuário\n+ instruções de sistema\n+ CLAUDE.md e instruções do projeto\n+ Skills\n+ memória automática\n+ código, especificações, testes e documentação\n+ definições de ferramentas e recursos MCP\n+ histórico da conversa\n+ resultados da execução de ferramentas e logs de erros\n```\n\nPortanto, até mesmo um bom prompt pode perder eficácia quando fornecido junto com memórias desatualizadas, regras de projeto duplicadas ou logs extensos. Por outro lado, mesmo uma solicitação curta pode ser executada com precisão suficiente quando acompanhada de código e testes relevantes e de ferramentas claras.\n\n| Categoria | Engenharia de prompts | Engenharia de contexto |\n|---|---|---|\n| Objeto do projeto | Expressão da solicitação atual | Todo o ambiente de informações usado no raciocínio |\n| Pergunta principal | O que solicitar e como | O que o modelo deve ver e quando |\n| Elementos representativos | Objetivo, formato, restrições, exemplos | Instruções de sistema, arquivos, ferramentas, memória, histórico |\n| Principais falhas | Solicitação ambígua, critérios de sucesso pouco claros | Conflitos, duplicações, informações desatualizadas, logs excessivos |\n| Método de melhoria | Tornar a solicitação concreta e apresentar critérios de validação | Selecionar informações de alto sinal, recuperá-las no momento adequado e gerenciar seu ciclo de vida |\n\n## Por que mais contexto nem sempre é melhor\n\nMesmo que a janela de contexto de um LLM aumente, a atenção disponível para a tarefa não é ilimitada. Quando a quantidade de tokens pouco relevantes aumenta, podem surgir os seguintes problemas:\n\n1. Requisitos importantes ficam escondidos em meio a explicações prolixas.\n2. Instruções semelhantes em locais diferentes entram em conflitos sutis.\n3. Decisões antigas ou tentativas fracassadas influenciam a tarefa atual.\n4. Exemplos funcionam como se fossem a resposta correta e limitam outras abordagens de solução.\n5. Logs e saídas de ferramentas ocupam o espaço necessário para código, especificações e testes.\n6. O modelo gasta seu raciocínio interpretando a prioridade das instruções, em vez de executar a tarefa propriamente dita.\n\nAnthropic descreve a redução da eficiência no uso de informações em contextos longos e recomenda projetar agentes para recuperar as informações necessárias no momento adequado e compactar registros antigos. O importante não é preencher a quantidade máxima de tokens, mas aumentar a proporção de tokens de alto sinal que afetam o resultado.\n\n## O que significa o caso de redução do prompt de sistema\n\nO caso fornecido pela Anthropic explica que, após uma revisão das instruções internas do Claude Code, o prompt de sistema foi reduzido em pelo menos 80%. Esse número não é uma regra segundo a qual os prompts de todas as aplicações devem ser reduzidos na mesma proporção. Ele deve ser entendido como um caso específico em que instruções comportamentais duplicadas e excessivamente detalhadas foram reorganizadas em determinado sistema.\n\nPor exemplo, as seguintes instruções podem ser incluídas simultaneamente em uma solicitação:\n\n```text\nInstrução de sistema: deixar documentação adequada à situação.\nInstrução da Skill: não adicionar comentários.\nSolicitação do usuário: fazer com que funcione como a versão anterior.\n```\n\nCada frase pode ser válida individualmente, mas, quando colocadas juntas, elas geram vários problemas de interpretação.\n\n- Documentação e comentários de código pertencem à mesma categoria?\n- A proibição de comentários é uma regra sem exceções?\n- O comportamento da versão anterior também inclui comentários ou a estrutura da documentação?\n- O que tem prioridade: a solicitação atual ou a Skill reutilizável?\n\nNesse caso, a causa da falha não é apenas a capacidade de programação do modelo. O fato de o ambiente de informações criado por pessoas conter contradições desnecessárias também é uma causa.\n\n## Seis novas regras de projeto de contexto\n\n| Abordagem anterior | Abordagem recomendada |\n|---|---|\n| Definir comportamentos detalhados por meio de listas de proibições | Apresentar objetivos e critérios de julgamento e utilizar o contexto |\n| Fornecer muitos exemplos de chamadas de ferramentas | Projetar o próprio esquema para explicar como usá-las |\n| Injetar todas as informações no início da tarefa | Revelar gradualmente no momento necessário |\n| Repetir a mesma instrução em vários locais | Definir um único local oficial de armazenamento para cada instrução |\n| Armazenar até memórias temporárias no CLAUDE.md | Separar as funções das políticas permanentes e da memória automática |\n| Depender de explicações longas em Markdown | Fornecer materiais executáveis, como código, testes, HTML e rubricas de avaliação |\n\n### 1. Transforme listas detalhadas de proibições em princípios baseados no contexto\n\nPara evitar erros repetitivos de modelos anteriores, às vezes eram listadas regras extensas como estas:\n\n- Não escrever comentários.\n- Não criar docstrings com vários parágrafos.\n- Não gerar documentos de planejamento que não tenham sido solicitados.\n- Não salvar arquivos intermediários de análise.\n\nEssas regras evitam falhas específicas, mas não são princípios absolutos aplicáveis a todas as situações. Uma validação de segurança complexa ou um código de concorrência pode exigir explicações, enquanto comentários podem apenas gerar ruído em um código CRUD autoexplicativo.\n\nÉ melhor apresentar critérios de julgamento como os seguintes:\n\n```text\nEscrever código que seja lido da mesma forma que o código ao redor.\nSeguir as convenções de nomenclatura, expressões idiomáticas e densidade de comentários dos arquivos existentes.\nAdicionar somente a documentação necessária para lógicas cuja segurança ou intenção não fique clara sem explicações.\n```\n\nNo entanto, nem todas as regras devem ser suavizadas. Os itens a seguir devem continuar sendo tratados como restrições explícitas ou controles no nível das ferramentas:\n\n- Aprovação para implantação no ambiente de produção e exclusão de dados\n- Restrições ao tratamento de dados pessoais e informações confidenciais\n- Validação de autenticação e autorização\n- Idempotência e registros de auditoria de transações financeiras\n- Políticas de migração de banco de dados\n- Conformidade jurídica, de licenciamento e regulatória\n- Contratos imutáveis de APIs públicas\n\n| Tipo de regra | Forma adequada de tratamento |\n|---|---|\n| Segurança, questões jurídicas e permissões | Manter restrições explícitas e fortes |\n| Operações com possibilidade de perda de dados | Controlar por procedimentos de aprovação e permissões de ferramentas |\n| Contratos públicos e compatibilidade | Validar por testes e esquemas |\n| Estilo de código e comentários | Usar princípios de julgamento baseados no código ao redor |\n| Ordem temporária das tarefas | Gerenciar no plano atual ou na lista de tarefas |\n\n### 2. Projete ferramentas expressivas em vez de fornecer muitos exemplos\n\nAdicionar continuamente exemplos de chamadas válidas e inválidas à descrição de uma ferramenta aumenta o contexto e pode fazer o modelo imitar a forma superficial dos exemplos. Uma abordagem melhor é fazer com que o nome da ferramenta, seus campos de entrada e suas transições de estado revelem como ela deve ser usada.\n\n```text\nTodoWrite\nObjetivo: criar e atualizar a lista de tarefas da sessão atual\n\nstatus:\n- pending\n- in_progress\n- completed\n\nRestrição:\n- somente uma tarefa pode estar in_progress ao mesmo tempo\n```\n\nUma boa ferramenta para agentes tem as seguintes características:\n\n- O nome, por si só, revela a ação e seu alvo.\n- Os campos obrigatórios e opcionais são diferenciados.\n- Os valores permitidos são limitados por enumerações.\n- Leitura e escrita, bem como visualização e execução, são separadas.\n- Os erros retornam de forma estruturada a causa e o método de recuperação.\n- Operações perigosas exigem um token de confirmação ou uma etapa de aprovação.\n- Quando os resultados são excessivamente longos, são oferecidos resumo e recursos de paginação.\n\nÉ recomendável adicionar exemplos somente para explicar exceções ou entradas ambíguas difíceis de expressar por meio da interface.\n\n### 3. Não inclua todas as informações desde o início; revele-as gradualmente\n\nNão se deve injetar desde o início todo o repositório, todas as políticas e logs extensos apenas porque há a possibilidade de o agente precisar deles para executar a tarefa. Primeiro, forneça as informações mínimas necessárias para a exploração e faça com que os materiais relevantes sejam lidos à medida que a tarefa for concretizada.\n\nO fluxo recomendado é o seguinte:\n\n1. Forneça o objetivo, os critérios de sucesso e os limites de segurança.\n2. Encontre os locais relevantes por meio da estrutura do repositório ou de ferramentas de busca.\n3. Leia somente os arquivos e as especificações necessários.\n4. Após a implementação, execute os testes relevantes e a análise estática.\n5. Em caso de falha, recupere adicionalmente apenas o erro correspondente e o código ao redor.\n6. Após a conclusão, compacte ou remova logs antigos e raciocínios intermediários.\n\nA revelação gradual não significa ocultar informações. É uma abordagem que fornece caminhos de busca e uma estrutura clara de arquivos para que o modelo possa encontrar as informações necessárias.\n\n### 4. Remova instruções duplicadas e defina um local oficial\n\nSe a mesma regra for copiada para o prompt de sistema, o CLAUDE.md, uma Skill e a descrição de uma ferramenta, os textos podem divergir com o tempo. É necessário definir um único local oficial de armazenamento para cada tipo de instrução.\n\n| Informação | Local recomendado |\n|---|---|\n| Política de segurança de toda a organização | Instruções de sistema ou hierarquia de permissões |\n| Comandos de compilação e teste do repositório | CLAUDE.md do projeto |\n| Procedimento de uma tarefa específica | Skill correspondente |\n| Entradas e restrições de ferramentas | Esquema e descrição da ferramenta |\n| Comportamento de API pública | Esquema de código, especificação e testes de contrato |\n| Progresso da sessão atual | Lista de tarefas ou estado da sessão |\n\nCaso a duplicação seja inevitável, é mais seguro apontar para o local oficial ou gerar o conteúdo automaticamente, em vez de copiá-lo.\n\n### 5. Separe as funções do CLAUDE.md e da memória automática\n\nO CLAUDE.md é adequado para instruções duradouras que os integrantes do projeto podem revisar e controlar por versão.\n\n- Comandos padrão de compilação e teste\n- Explicações essenciais sobre a estrutura do repositório\n- Áreas que a equipe concordou em não modificar\n- Procedimentos de validação específicos do projeto\n- Regras difíceis de inferir com ferramentas comuns\n\nPor outro lado, as seguintes informações são mais adequadas para a memória automática ou o estado da sessão:\n\n- Preferências personalizadas descobertas em tarefas repetidas\n- Caminhos de exploração que foram úteis em tarefas recentes\n- Características temporárias do ambiente de desenvolvimento\n- Progresso da sessão atual\n\nNão se deve presumir que a memória automática seja sempre precisa ou permanente. Deve ser possível corrigir ou remover itens antigos, e ela não deve ser usada como o único repositório de políticas de segurança e contratos públicos.\n\n### 6. Priorize materiais de referência executáveis em vez de documentos explicativos\n\nEspecificações em linguagem natural são úteis para explicar a intenção, mas podem não expressar completamente o comportamento real. Sempre que possível, forneça também os seguintes materiais:\n\n- Implementações existentes semelhantes ao código atual\n- Testes unitários e testes de integração\n- Esquemas de API e definições de tipos\n- HTML real ou entregáveis de design\n- Arquivos de migração de banco de dados\n- Dados de exemplo de entrada e saída\n- Rubricas de avaliação e critérios de pontuação automática\n\nTambém podem surgir conflitos entre os materiais de referência, portanto é necessário definir prioridades. Por exemplo, pode-se determinar que os testes de contrato são a referência oficial para a API pública e que o README é um material explicativo.\n\n## Modelo prático de composição de contexto\n\nA estrutura a seguir é um exemplo de como organizar de forma concisa as informações necessárias para uma tarefa de programação.\n\n```text\nObjetivo\n- Adicionar uma API de cancelamento de pagamento.\n\nCritérios de sucesso\n- Reutilizar a camada de serviço de pagamentos existente.\n- Mesmo com solicitações duplicadas, o cancelamento ocorre apenas uma vez.\n- Os testes de contrato relacionados são aprovados.\n\nRestrições fortes\n- Não alterar o esquema de resposta pública.\n- Não acessar dados de produção.\n\nMateriais de referência\n- src/payments/capture.ts\n- tests/contracts/payment-cancel.test.ts\n- openapi/payments.yaml\n\nPrincípios de julgamento\n- Seguir o tratamento de erros e as convenções de nomenclatura do código de pagamentos ao redor.\n- Se houver uma suposição insegura, perguntar antes da implementação.\n\nValidação\n- Testes unitários do alvo\n- Testes de contrato\n- Verificação de tipos\n```\n\nEsse formato não lista antecipadamente todas as situações. Em vez disso, separa o objetivo, as condições de sucesso, os limites imutáveis, os materiais oficiais e os métodos de validação.\n\n## Procedimento para organizar o contexto existente\n\n### Etapa 1: liste as fontes de todas as instruções\n\nVerifique em conjunto o prompt de sistema, o CLAUDE.md, as Skills, a memória automática, as descrições de ferramentas e as configurações de CI. Ao examinar apenas um documento, é difícil identificar conflitos reais.\n\n### Etapa 2: classifique cada instrução\n\n- Obrigatória por razões de segurança ou jurídicas\n- Obrigatória devido ao contrato do produto\n- Prática duradoura da equipe\n- Explicação necessária apenas para uma ferramenta específica\n- Regra temporária para evitar erros de modelos anteriores\n- Regra cuja justificativa atualmente não está clara\n\n### Etapa 3: encontre duplicações e conflitos\n\nAgrupe frases que expressem o mesmo comportamento de maneiras diferentes. Revise primeiro, em especial, expressões como `sempre`, `nunca`, `obrigatoriamente` e `não faça`.\n\n### Etapa 4: transfira regras para testes ou permissões\n\nOs itens cuja validação automática é mais confiável do que avisos em linguagem natural devem ser transferidos para as seguintes camadas:\n\n- Testes e linters\n- Sistema de tipos e esquemas\n- Ferramentas com privilégio mínimo\n- Procedimentos de aprovação\n- Sandbox\n- Políticas de CI\n\n### Etapa 5: avalie com tarefas reais\n\nNão se deve medir apenas o tamanho do prompt. É necessário comparar os seguintes indicadores em um conjunto representativo de tarefas:\n\n- Taxa de sucesso e taxa de aprovação nos testes\n- Número de alterações desnecessárias em arquivos\n- Quantidade de correções feitas pelo usuário\n- Taxa de falha nas chamadas de ferramentas\n- Tempo e tokens gastos até a conclusão\n- Ocorrência de violações das políticas de segurança\n\n### Etapa 6: complemente minimamente apenas as causas das falhas\n\nQuando ocorrer uma falha, não adicione imediatamente uma nova regra de proibição. Primeiro, determine se a causa foi um objetivo ambíguo, materiais de referência insuficientes ou um esquema de ferramenta incorreto.\n\n## Instruções que não devem ser removidas\n\nSimplificar não significa remover indiscriminadamente. Se a resposta a qualquer uma das perguntas a seguir for `sim`, a instrução deve ser mantida ou transferida para um controle mais forte.\n\n- Uma violação pode causar perda de dados ou prejuízo financeiro?\n- Está relacionada a obrigações jurídicas, de privacidade ou de licenciamento?\n- Trata-se de uma política organizacional que o modelo não consegue identificar apenas examinando o código?\n- Determina a compatibilidade de uma API pública ou de um formato de dados?\n- Exige aprovação humana antes da execução da tarefa?\n- É difícil detectar completamente uma violação apenas com testes automatizados?\n\n## Padrões comuns de falha\n\n### Adicionar uma nova regra após cada falha\n\nQuando um único erro é generalizado e transformado em uma regra permanente, exceções e conflitos se acumulam. Primeiro, deve-se adicionar um caso de avaliação e verificar se a falha é recorrente.\n\n### Usar exemplos longos praticamente como modelos\n\nSe um exemplo for específico demais, o modelo poderá priorizá-lo em vez da base de código atual. Os exemplos devem ser limitados ao tamanho mínimo necessário para explicar o princípio.\n\n### Preservar logs completos sem alterações\n\nSaídas de ferramentas e logs de compilação ocupam rapidamente o contexto. É melhor manter de forma estruturada apenas a causa da falha, a stack relevante e o estado alterado.\n\n### Usar a memória automática como repositório de políticas\n\nA memória automática é conveniente, mas seus mecanismos de revisão, implantação e auditoria podem ser frágeis. As políticas obrigatórias da organização devem ser armazenadas em instruções controladas por versão ou em uma hierarquia de permissões.\n\n### Avaliar a redução de contexto apenas como economia de tokens\n\nUm contexto curto nem sempre é melhor. Remover testes necessários, regras de segurança ou especificações piora o resultado. O objetivo não é obter o mínimo de tokens, mas o mínimo necessário de tokens de alto sinal.\n\n## Checklist final\n\n- O objetivo da solicitação atual está separado dos critérios de sucesso?\n- As regras de segurança estão separadas das preferências de estilo?\n- A mesma instrução não está duplicada em vários locais?\n- O esquema da ferramenta explica como usá-la sem exemplos longos?\n- É possível buscar os arquivos relevantes quando necessário?\n- Há uma forma de remover memórias desatualizadas e logs de execução?\n- É possível impor regras em linguagem natural por meio de testes ou permissões?\n- A prioridade entre os materiais de referência está clara?\n- Há tarefas de avaliação para comparar o antes e o depois das alterações nas instruções?\n\n## Conclusão\n\nA engenharia de contexto para modelos Claude de alto desempenho não é uma técnica de simplesmente reduzir instruções. É um projeto de informações que torna claros o objetivo, os limites de segurança e as evidências necessários para que o modelo julgue a tarefa atual, ao mesmo tempo que remove informações irrelevantes e regras conflitantes.\n\nO princípio mais prático pode ser resumido da seguinte forma:\n\n\u003e Imponha rigorosamente a segurança e os contratos, deixe o estilo a cargo do contexto, forneça as informações no momento necessário e valide os resultados com testes executáveis.","content_html":"\u003cp\u003ePara usar de forma eficaz modelos Claude com capacidade de julgamento aprimorada, não basta lapidar uma única frase do prompt. É necessário projetar como um único ambiente de informações as instruções de sistema, os arquivos do projeto, as ferramentas, a memória, o histórico da conversa e os resultados de execução que o modelo verá em uma inferência.\u003c/p\u003e\n\u003cp\u003eO princípio central é simples.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eEm vez de definir antecipadamente cada comportamento, forneça um objetivo claro, limites de segurança, interfaces expressivas e materiais de referência confiáveis, deixando os julgamentos detalhados a cargo do modelo.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eNeste artigo, \u003ccode\u003eClaude 5\u003c/code\u003e refere-se ao ambiente de modelos Claude de alto desempenho da próxima geração mencionado nos materiais fornecidos. O foco não está em especificações concretas do produto nem no status de lançamento, mas nos princípios de projeto de contexto aplicáveis a modelos com capacidade de julgamento aprimorada.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#engenharia-de-prompts-e-engenharia-de-contexto\" class=\"anchor\" id=\"engenharia-de-prompts-e-engenharia-de-contexto\"\u003e\u003c/a\u003eEngenharia de prompts e engenharia de contexto\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#engenharia-de-prompts\" class=\"anchor\" id=\"engenharia-de-prompts\"\u003e\u003c/a\u003eEngenharia de prompts\u003c/h3\u003e\n\u003cp\u003eA engenharia de prompts é o trabalho de projetar como a solicitação atual será expressa. Em geral, ela aborda os seguintes itens:\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eObjetivo da tarefa\u003c/li\u003e\n\u003cli\u003eEscopo da execução\u003c/li\u003e\n\u003cli\u003eRestrições\u003c/li\u003e\n\u003cli\u003eFormato da saída\u003c/li\u003e\n\u003cli\u003eCritérios de sucesso\u003c/li\u003e\n\u003cli\u003eExemplos necessários\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003ePor exemplo:\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eImplementar a funcionalidade de cancelamento de pagamento em uma API Route do Next.js.\n\u003c/span\u003e\u003cspan\u003eReutilizar a camada de serviço existente e adicionar testes.\n\u003c/span\u003e\u003cspan\u003eNão alterar o contrato da API pública e explicar o motivo das mudanças.\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003ch3\u003e\n\u003ca href=\"#engenharia-de-contexto\" class=\"anchor\" id=\"engenharia-de-contexto\"\u003e\u003c/a\u003eEngenharia de contexto\u003c/h3\u003e\n\u003cp\u003eA engenharia de contexto é o trabalho de selecionar e manter todo o conjunto de informações usado no raciocínio do modelo. Em um agente de programação como o Claude Code, o contexto é composto aproximadamente pelos seguintes elementos:\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eSolicitação atual do usuário\n\u003c/span\u003e\u003cspan\u003e+ instruções de sistema\n\u003c/span\u003e\u003cspan\u003e+ CLAUDE.md e instruções do projeto\n\u003c/span\u003e\u003cspan\u003e+ Skills\n\u003c/span\u003e\u003cspan\u003e+ memória automática\n\u003c/span\u003e\u003cspan\u003e+ código, especificações, testes e documentação\n\u003c/span\u003e\u003cspan\u003e+ definições de ferramentas e recursos MCP\n\u003c/span\u003e\u003cspan\u003e+ histórico da conversa\n\u003c/span\u003e\u003cspan\u003e+ resultados da execução de ferramentas e logs de erros\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003ePortanto, até mesmo um bom prompt pode perder eficácia quando fornecido junto com memórias desatualizadas, regras de projeto duplicadas ou logs extensos. Por outro lado, mesmo uma solicitação curta pode ser executada com precisão suficiente quando acompanhada de código e testes relevantes e de ferramentas claras.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eCategoria\u003c/th\u003e\n\u003cth\u003eEngenharia de prompts\u003c/th\u003e\n\u003cth\u003eEngenharia de contexto\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoria\"\u003eObjeto do projeto\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de prompts\"\u003eExpressão da solicitação atual\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de contexto\"\u003eTodo o ambiente de informações usado no raciocínio\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoria\"\u003ePergunta principal\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de prompts\"\u003eO que solicitar e como\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de contexto\"\u003eO que o modelo deve ver e quando\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoria\"\u003eElementos representativos\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de prompts\"\u003eObjetivo, formato, restrições, exemplos\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de contexto\"\u003eInstruções de sistema, arquivos, ferramentas, memória, histórico\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoria\"\u003ePrincipais falhas\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de prompts\"\u003eSolicitação ambígua, critérios de sucesso pouco claros\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de contexto\"\u003eConflitos, duplicações, informações desatualizadas, logs excessivos\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Categoria\"\u003eMétodo de melhoria\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de prompts\"\u003eTornar a solicitação concreta e apresentar critérios de validação\u003c/td\u003e\n\u003ctd data-label=\"Engenharia de contexto\"\u003eSelecionar informações de alto sinal, recuperá-las no momento adequado e gerenciar seu 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-que-mais-contexto-nem-sempre-%C3%A9-melhor\" class=\"anchor\" id=\"por-que-mais-contexto-nem-sempre-é-melhor\"\u003e\u003c/a\u003ePor que mais contexto nem sempre é melhor\u003c/h2\u003e\n\u003cp\u003eMesmo que a janela de contexto de um LLM aumente, a atenção disponível para a tarefa não é ilimitada. Quando a quantidade de tokens pouco relevantes aumenta, podem surgir os seguintes problemas:\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eRequisitos importantes ficam escondidos em meio a explicações prolixas.\u003c/li\u003e\n\u003cli\u003eInstruções semelhantes em locais diferentes entram em conflitos sutis.\u003c/li\u003e\n\u003cli\u003eDecisões antigas ou tentativas fracassadas influenciam a tarefa atual.\u003c/li\u003e\n\u003cli\u003eExemplos funcionam como se fossem a resposta correta e limitam outras abordagens de solução.\u003c/li\u003e\n\u003cli\u003eLogs e saídas de ferramentas ocupam o espaço necessário para código, especificações e testes.\u003c/li\u003e\n\u003cli\u003eO modelo gasta seu raciocínio interpretando a prioridade das instruções, em vez de executar a tarefa propriamente dita.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eAnthropic descreve a redução da eficiência no uso de informações em contextos longos e recomenda projetar agentes para recuperar as informações necessárias no momento adequado e compactar registros antigos. O importante não é preencher a quantidade máxima de tokens, mas aumentar a proporção de tokens de alto sinal que afetam o resultado.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#o-que-significa-o-caso-de-redu%C3%A7%C3%A3o-do-prompt-de-sistema\" class=\"anchor\" id=\"o-que-significa-o-caso-de-redução-do-prompt-de-sistema\"\u003e\u003c/a\u003eO que significa o caso de redução do prompt de sistema\u003c/h2\u003e\n\u003cp\u003eO caso fornecido pela Anthropic explica que, após uma revisão das instruções internas do Claude Code, o prompt de sistema foi reduzido em pelo menos 80%. Esse número não é uma regra segundo a qual os prompts de todas as aplicações devem ser reduzidos na mesma proporção. Ele deve ser entendido como um caso específico em que instruções comportamentais duplicadas e excessivamente detalhadas foram reorganizadas em determinado sistema.\u003c/p\u003e\n\u003cp\u003ePor exemplo, as seguintes instruções podem ser incluídas simultaneamente em uma solicitação:\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eInstrução de sistema: deixar documentação adequada à situação.\n\u003c/span\u003e\u003cspan\u003eInstrução da Skill: não adicionar comentários.\n\u003c/span\u003e\u003cspan\u003eSolicitação do usuário: fazer com que funcione como a versão anterior.\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eCada frase pode ser válida individualmente, mas, quando colocadas juntas, elas geram vários problemas de interpretação.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eDocumentação e comentários de código pertencem à mesma categoria?\u003c/li\u003e\n\u003cli\u003eA proibição de comentários é uma regra sem exceções?\u003c/li\u003e\n\u003cli\u003eO comportamento da versão anterior também inclui comentários ou a estrutura da documentação?\u003c/li\u003e\n\u003cli\u003eO que tem prioridade: a solicitação atual ou a Skill reutilizável?\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eNesse caso, a causa da falha não é apenas a capacidade de programação do modelo. O fato de o ambiente de informações criado por pessoas conter contradições desnecessárias também é uma causa.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#seis-novas-regras-de-projeto-de-contexto\" class=\"anchor\" id=\"seis-novas-regras-de-projeto-de-contexto\"\u003e\u003c/a\u003eSeis novas regras de projeto de contexto\u003c/h2\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eAbordagem anterior\u003c/th\u003e\n\u003cth\u003eAbordagem recomendada\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Abordagem anterior\"\u003eDefinir comportamentos detalhados por meio de listas de proibições\u003c/td\u003e\n\u003ctd data-label=\"Abordagem recomendada\"\u003eApresentar objetivos e critérios de julgamento e utilizar o contexto\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Abordagem anterior\"\u003eFornecer muitos exemplos de chamadas de ferramentas\u003c/td\u003e\n\u003ctd data-label=\"Abordagem recomendada\"\u003eProjetar o próprio esquema para explicar como usá-las\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Abordagem anterior\"\u003eInjetar todas as informações no início da tarefa\u003c/td\u003e\n\u003ctd data-label=\"Abordagem recomendada\"\u003eRevelar gradualmente no momento necessário\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Abordagem anterior\"\u003eRepetir a mesma instrução em vários locais\u003c/td\u003e\n\u003ctd data-label=\"Abordagem recomendada\"\u003eDefinir um único local oficial de armazenamento para cada instrução\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Abordagem anterior\"\u003eArmazenar até memórias temporárias no CLAUDE.md\u003c/td\u003e\n\u003ctd data-label=\"Abordagem recomendada\"\u003eSeparar as funções das políticas permanentes e da memória automática\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Abordagem anterior\"\u003eDepender de explicações longas em Markdown\u003c/td\u003e\n\u003ctd data-label=\"Abordagem recomendada\"\u003eFornecer materiais executáveis, como código, testes, HTML e rubricas de avaliação\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-transforme-listas-detalhadas-de-proibi%C3%A7%C3%B5es-em-princ%C3%ADpios-baseados-no-contexto\" class=\"anchor\" id=\"1-transforme-listas-detalhadas-de-proibições-em-princípios-baseados-no-contexto\"\u003e\u003c/a\u003e1. Transforme listas detalhadas de proibições em princípios baseados no contexto\u003c/h3\u003e\n\u003cp\u003ePara evitar erros repetitivos de modelos anteriores, às vezes eram listadas regras extensas como estas:\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eNão escrever comentários.\u003c/li\u003e\n\u003cli\u003eNão criar docstrings com vários parágrafos.\u003c/li\u003e\n\u003cli\u003eNão gerar documentos de planejamento que não tenham sido solicitados.\u003c/li\u003e\n\u003cli\u003eNão salvar arquivos intermediários de análise.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eEssas regras evitam falhas específicas, mas não são princípios absolutos aplicáveis a todas as situações. Uma validação de segurança complexa ou um código de concorrência pode exigir explicações, enquanto comentários podem apenas gerar ruído em um código CRUD autoexplicativo.\u003c/p\u003e\n\u003cp\u003eÉ melhor apresentar critérios de julgamento como os seguintes:\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eEscrever código que seja lido da mesma forma que o código ao redor.\n\u003c/span\u003e\u003cspan\u003eSeguir as convenções de nomenclatura, expressões idiomáticas e densidade de comentários dos arquivos existentes.\n\u003c/span\u003e\u003cspan\u003eAdicionar somente a documentação necessária para lógicas cuja segurança ou intenção não fique clara sem explicações.\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eNo entanto, nem todas as regras devem ser suavizadas. Os itens a seguir devem continuar sendo tratados como restrições explícitas ou controles no nível das ferramentas:\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eAprovação para implantação no ambiente de produção e exclusão de dados\u003c/li\u003e\n\u003cli\u003eRestrições ao tratamento de dados pessoais e informações confidenciais\u003c/li\u003e\n\u003cli\u003eValidação de autenticação e autorização\u003c/li\u003e\n\u003cli\u003eIdempotência e registros de auditoria de transações financeiras\u003c/li\u003e\n\u003cli\u003ePolíticas de migração de banco de dados\u003c/li\u003e\n\u003cli\u003eConformidade jurídica, de licenciamento e regulatória\u003c/li\u003e\n\u003cli\u003eContratos imutáveis de APIs 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 regra\u003c/th\u003e\n\u003cth\u003eForma adequada de tratamento\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regra\"\u003eSegurança, questões jurídicas e permissões\u003c/td\u003e\n\u003ctd data-label=\"Forma adequada de tratamento\"\u003eManter restrições explícitas e fortes\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regra\"\u003eOperações com possibilidade de perda de dados\u003c/td\u003e\n\u003ctd data-label=\"Forma adequada de tratamento\"\u003eControlar por procedimentos de aprovação e permissões de ferramentas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regra\"\u003eContratos públicos e compatibilidade\u003c/td\u003e\n\u003ctd data-label=\"Forma adequada de tratamento\"\u003eValidar por testes e esquemas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regra\"\u003eEstilo de código e comentários\u003c/td\u003e\n\u003ctd data-label=\"Forma adequada de tratamento\"\u003eUsar princípios de julgamento baseados no código ao redor\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de regra\"\u003eOrdem temporária das tarefas\u003c/td\u003e\n\u003ctd data-label=\"Forma adequada de tratamento\"\u003eGerenciar no plano atual ou na lista de tarefas\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-projete-ferramentas-expressivas-em-vez-de-fornecer-muitos-exemplos\" class=\"anchor\" id=\"2-projete-ferramentas-expressivas-em-vez-de-fornecer-muitos-exemplos\"\u003e\u003c/a\u003e2. Projete ferramentas expressivas em vez de fornecer muitos exemplos\u003c/h3\u003e\n\u003cp\u003eAdicionar continuamente exemplos de chamadas válidas e inválidas à descrição de uma ferramenta aumenta o contexto e pode fazer o modelo imitar a forma superficial dos exemplos. Uma abordagem melhor é fazer com que o nome da ferramenta, seus campos de entrada e suas transições de estado revelem como ela deve ser usada.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eTodoWrite\n\u003c/span\u003e\u003cspan\u003eObjetivo: criar e atualizar a lista de tarefas da sessão atual\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\u003eRestrição:\n\u003c/span\u003e\u003cspan\u003e- somente uma tarefa pode estar in_progress ao mesmo tempo\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eUma boa ferramenta para agentes tem as seguintes características:\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eO nome, por si só, revela a ação e seu alvo.\u003c/li\u003e\n\u003cli\u003eOs campos obrigatórios e opcionais são diferenciados.\u003c/li\u003e\n\u003cli\u003eOs valores permitidos são limitados por enumerações.\u003c/li\u003e\n\u003cli\u003eLeitura e escrita, bem como visualização e execução, são separadas.\u003c/li\u003e\n\u003cli\u003eOs erros retornam de forma estruturada a causa e o método de recuperação.\u003c/li\u003e\n\u003cli\u003eOperações perigosas exigem um token de confirmação ou uma etapa de aprovação.\u003c/li\u003e\n\u003cli\u003eQuando os resultados são excessivamente longos, são oferecidos resumo e recursos de paginação.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eÉ recomendável adicionar exemplos somente para explicar exceções ou entradas ambíguas difíceis de expressar por meio da interface.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#3-n%C3%A3o-inclua-todas-as-informa%C3%A7%C3%B5es-desde-o-in%C3%ADcio-revele-as-gradualmente\" class=\"anchor\" id=\"3-não-inclua-todas-as-informações-desde-o-início-revele-as-gradualmente\"\u003e\u003c/a\u003e3. Não inclua todas as informações desde o início; revele-as gradualmente\u003c/h3\u003e\n\u003cp\u003eNão se deve injetar desde o início todo o repositório, todas as políticas e logs extensos apenas porque há a possibilidade de o agente precisar deles para executar a tarefa. Primeiro, forneça as informações mínimas necessárias para a exploração e faça com que os materiais relevantes sejam lidos à medida que a tarefa for concretizada.\u003c/p\u003e\n\u003cp\u003eO fluxo recomendado é o seguinte:\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003eForneça o objetivo, os critérios de sucesso e os limites de segurança.\u003c/li\u003e\n\u003cli\u003eEncontre os locais relevantes por meio da estrutura do repositório ou de ferramentas de busca.\u003c/li\u003e\n\u003cli\u003eLeia somente os arquivos e as especificações necessários.\u003c/li\u003e\n\u003cli\u003eApós a implementação, execute os testes relevantes e a análise estática.\u003c/li\u003e\n\u003cli\u003eEm caso de falha, recupere adicionalmente apenas o erro correspondente e o código ao redor.\u003c/li\u003e\n\u003cli\u003eApós a conclusão, compacte ou remova logs antigos e raciocínios intermediários.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eA revelação gradual não significa ocultar informações. É uma abordagem que fornece caminhos de busca e uma estrutura clara de arquivos para que o modelo possa encontrar as informações necessárias.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#4-remova-instru%C3%A7%C3%B5es-duplicadas-e-defina-um-local-oficial\" class=\"anchor\" id=\"4-remova-instruções-duplicadas-e-defina-um-local-oficial\"\u003e\u003c/a\u003e4. Remova instruções duplicadas e defina um local oficial\u003c/h3\u003e\n\u003cp\u003eSe a mesma regra for copiada para o prompt de sistema, o CLAUDE.md, uma Skill e a descrição de uma ferramenta, os textos podem divergir com o tempo. É necessário definir um único local oficial de armazenamento para cada tipo de instrução.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eInformação\u003c/th\u003e\n\u003cth\u003eLocal recomendado\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informação\"\u003ePolítica de segurança de toda a organização\u003c/td\u003e\n\u003ctd data-label=\"Local recomendado\"\u003eInstruções de sistema ou hierarquia de permissões\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informação\"\u003eComandos de compilação e teste do repositório\u003c/td\u003e\n\u003ctd data-label=\"Local recomendado\"\u003eCLAUDE.md do projeto\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informação\"\u003eProcedimento de uma tarefa específica\u003c/td\u003e\n\u003ctd data-label=\"Local recomendado\"\u003eSkill correspondente\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informação\"\u003eEntradas e restrições de ferramentas\u003c/td\u003e\n\u003ctd data-label=\"Local recomendado\"\u003eEsquema e descrição da ferramenta\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informação\"\u003eComportamento de API pública\u003c/td\u003e\n\u003ctd data-label=\"Local recomendado\"\u003eEsquema de código, especificação e testes de contrato\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Informação\"\u003eProgresso da sessão atual\u003c/td\u003e\n\u003ctd data-label=\"Local recomendado\"\u003eLista de tarefas ou estado da sessão\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eCaso a duplicação seja inevitável, é mais seguro apontar para o local oficial ou gerar o conteúdo automaticamente, em vez de copiá-lo.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#5-separe-as-fun%C3%A7%C3%B5es-do-claudemd-e-da-mem%C3%B3ria-autom%C3%A1tica\" class=\"anchor\" id=\"5-separe-as-funções-do-claudemd-e-da-memória-automática\"\u003e\u003c/a\u003e5. Separe as funções do CLAUDE.md e da memória automática\u003c/h3\u003e\n\u003cp\u003eO CLAUDE.md é adequado para instruções duradouras que os integrantes do projeto podem revisar e controlar por versão.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eComandos padrão de compilação e teste\u003c/li\u003e\n\u003cli\u003eExplicações essenciais sobre a estrutura do repositório\u003c/li\u003e\n\u003cli\u003eÁreas que a equipe concordou em não modificar\u003c/li\u003e\n\u003cli\u003eProcedimentos de validação específicos do projeto\u003c/li\u003e\n\u003cli\u003eRegras difíceis de inferir com ferramentas comuns\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003ePor outro lado, as seguintes informações são mais adequadas para a memória automática ou o estado da sessão:\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003ePreferências personalizadas descobertas em tarefas repetidas\u003c/li\u003e\n\u003cli\u003eCaminhos de exploração que foram úteis em tarefas recentes\u003c/li\u003e\n\u003cli\u003eCaracterísticas temporárias do ambiente de desenvolvimento\u003c/li\u003e\n\u003cli\u003eProgresso da sessão atual\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eNão se deve presumir que a memória automática seja sempre precisa ou permanente. Deve ser possível corrigir ou remover itens antigos, e ela não deve ser usada como o único repositório de políticas de segurança e contratos públicos.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#6-priorize-materiais-de-refer%C3%AAncia-execut%C3%A1veis-em-vez-de-documentos-explicativos\" class=\"anchor\" id=\"6-priorize-materiais-de-referência-executáveis-em-vez-de-documentos-explicativos\"\u003e\u003c/a\u003e6. Priorize materiais de referência executáveis em vez de documentos explicativos\u003c/h3\u003e\n\u003cp\u003eEspecificações em linguagem natural são úteis para explicar a intenção, mas podem não expressar completamente o comportamento real. Sempre que possível, forneça também os seguintes materiais:\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eImplementações existentes semelhantes ao código atual\u003c/li\u003e\n\u003cli\u003eTestes unitários e testes de integração\u003c/li\u003e\n\u003cli\u003eEsquemas de API e definições de tipos\u003c/li\u003e\n\u003cli\u003eHTML real ou entregáveis de design\u003c/li\u003e\n\u003cli\u003eArquivos de migração de banco de dados\u003c/li\u003e\n\u003cli\u003eDados de exemplo de entrada e saída\u003c/li\u003e\n\u003cli\u003eRubricas de avaliação e critérios de pontuação automática\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eTambém podem surgir conflitos entre os materiais de referência, portanto é necessário definir prioridades. Por exemplo, pode-se determinar que os testes de contrato são a referência oficial para a API pública e que o README é um material explicativo.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#modelo-pr%C3%A1tico-de-composi%C3%A7%C3%A3o-de-contexto\" class=\"anchor\" id=\"modelo-prático-de-composição-de-contexto\"\u003e\u003c/a\u003eModelo prático de composição de contexto\u003c/h2\u003e\n\u003cp\u003eA estrutura a seguir é um exemplo de como organizar de forma concisa as informações necessárias para uma tarefa de programação.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eObjetivo\n\u003c/span\u003e\u003cspan\u003e- Adicionar uma API de cancelamento de pagamento.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eCritérios de sucesso\n\u003c/span\u003e\u003cspan\u003e- Reutilizar a camada de serviço de pagamentos existente.\n\u003c/span\u003e\u003cspan\u003e- Mesmo com solicitações duplicadas, o cancelamento ocorre apenas uma vez.\n\u003c/span\u003e\u003cspan\u003e- Os testes de contrato relacionados são aprovados.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eRestrições fortes\n\u003c/span\u003e\u003cspan\u003e- Não alterar o esquema de resposta pública.\n\u003c/span\u003e\u003cspan\u003e- Não acessar dados de produção.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eMateriais de referência\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\u003ePrincípios de julgamento\n\u003c/span\u003e\u003cspan\u003e- Seguir o tratamento de erros e as convenções de nomenclatura do código de pagamentos ao redor.\n\u003c/span\u003e\u003cspan\u003e- Se houver uma suposição insegura, perguntar antes da implementação.\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003eValidação\n\u003c/span\u003e\u003cspan\u003e- Testes unitários do alvo\n\u003c/span\u003e\u003cspan\u003e- Testes de contrato\n\u003c/span\u003e\u003cspan\u003e- Verificação de tipos\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eEsse formato não lista antecipadamente todas as situações. Em vez disso, separa o objetivo, as condições de sucesso, os limites imutáveis, os materiais oficiais e os métodos de validação.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#procedimento-para-organizar-o-contexto-existente\" class=\"anchor\" id=\"procedimento-para-organizar-o-contexto-existente\"\u003e\u003c/a\u003eProcedimento para organizar o contexto existente\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#etapa-1-liste-as-fontes-de-todas-as-instru%C3%A7%C3%B5es\" class=\"anchor\" id=\"etapa-1-liste-as-fontes-de-todas-as-instruções\"\u003e\u003c/a\u003eEtapa 1: liste as fontes de todas as instruções\u003c/h3\u003e\n\u003cp\u003eVerifique em conjunto o prompt de sistema, o CLAUDE.md, as Skills, a memória automática, as descrições de ferramentas e as configurações de CI. Ao examinar apenas um documento, é difícil identificar conflitos reais.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#etapa-2-classifique-cada-instru%C3%A7%C3%A3o\" class=\"anchor\" id=\"etapa-2-classifique-cada-instrução\"\u003e\u003c/a\u003eEtapa 2: classifique cada instrução\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003eObrigatória por razões de segurança ou jurídicas\u003c/li\u003e\n\u003cli\u003eObrigatória devido ao contrato do produto\u003c/li\u003e\n\u003cli\u003ePrática duradoura da equipe\u003c/li\u003e\n\u003cli\u003eExplicação necessária apenas para uma ferramenta específica\u003c/li\u003e\n\u003cli\u003eRegra temporária para evitar erros de modelos anteriores\u003c/li\u003e\n\u003cli\u003eRegra cuja justificativa atualmente não está clara\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#etapa-3-encontre-duplica%C3%A7%C3%B5es-e-conflitos\" class=\"anchor\" id=\"etapa-3-encontre-duplicações-e-conflitos\"\u003e\u003c/a\u003eEtapa 3: encontre duplicações e conflitos\u003c/h3\u003e\n\u003cp\u003eAgrupe frases que expressem o mesmo comportamento de maneiras diferentes. Revise primeiro, em especial, expressões como \u003ccode\u003esempre\u003c/code\u003e, \u003ccode\u003enunca\u003c/code\u003e, \u003ccode\u003eobrigatoriamente\u003c/code\u003e e \u003ccode\u003enão faça\u003c/code\u003e.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#etapa-4-transfira-regras-para-testes-ou-permiss%C3%B5es\" class=\"anchor\" id=\"etapa-4-transfira-regras-para-testes-ou-permissões\"\u003e\u003c/a\u003eEtapa 4: transfira regras para testes ou permissões\u003c/h3\u003e\n\u003cp\u003eOs itens cuja validação automática é mais confiável do que avisos em linguagem natural devem ser transferidos para as seguintes camadas:\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eTestes e linters\u003c/li\u003e\n\u003cli\u003eSistema de tipos e esquemas\u003c/li\u003e\n\u003cli\u003eFerramentas com privilégio mínimo\u003c/li\u003e\n\u003cli\u003eProcedimentos de aprovação\u003c/li\u003e\n\u003cli\u003eSandbox\u003c/li\u003e\n\u003cli\u003ePolíticas de CI\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#etapa-5-avalie-com-tarefas-reais\" class=\"anchor\" id=\"etapa-5-avalie-com-tarefas-reais\"\u003e\u003c/a\u003eEtapa 5: avalie com tarefas reais\u003c/h3\u003e\n\u003cp\u003eNão se deve medir apenas o tamanho do prompt. É necessário comparar os seguintes indicadores em um conjunto representativo de tarefas:\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eTaxa de sucesso e taxa de aprovação nos testes\u003c/li\u003e\n\u003cli\u003eNúmero de alterações desnecessárias em arquivos\u003c/li\u003e\n\u003cli\u003eQuantidade de correções feitas pelo usuário\u003c/li\u003e\n\u003cli\u003eTaxa de falha nas chamadas de ferramentas\u003c/li\u003e\n\u003cli\u003eTempo e tokens gastos até a conclusão\u003c/li\u003e\n\u003cli\u003eOcorrência de violações das políticas de segurança\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3\u003e\n\u003ca href=\"#etapa-6-complemente-minimamente-apenas-as-causas-das-falhas\" class=\"anchor\" id=\"etapa-6-complemente-minimamente-apenas-as-causas-das-falhas\"\u003e\u003c/a\u003eEtapa 6: complemente minimamente apenas as causas das falhas\u003c/h3\u003e\n\u003cp\u003eQuando ocorrer uma falha, não adicione imediatamente uma nova regra de proibição. Primeiro, determine se a causa foi um objetivo ambíguo, materiais de referência insuficientes ou um esquema de ferramenta incorreto.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#instru%C3%A7%C3%B5es-que-n%C3%A3o-devem-ser-removidas\" class=\"anchor\" id=\"instruções-que-não-devem-ser-removidas\"\u003e\u003c/a\u003eInstruções que não devem ser removidas\u003c/h2\u003e\n\u003cp\u003eSimplificar não significa remover indiscriminadamente. Se a resposta a qualquer uma das perguntas a seguir for \u003ccode\u003esim\u003c/code\u003e, a instrução deve ser mantida ou transferida para um controle mais forte.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eUma violação pode causar perda de dados ou prejuízo financeiro?\u003c/li\u003e\n\u003cli\u003eEstá relacionada a obrigações jurídicas, de privacidade ou de licenciamento?\u003c/li\u003e\n\u003cli\u003eTrata-se de uma política organizacional que o modelo não consegue identificar apenas examinando o código?\u003c/li\u003e\n\u003cli\u003eDetermina a compatibilidade de uma API pública ou de um formato de dados?\u003c/li\u003e\n\u003cli\u003eExige aprovação humana antes da execução da tarefa?\u003c/li\u003e\n\u003cli\u003eÉ difícil detectar completamente uma violação apenas com testes automatizados?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#padr%C3%B5es-comuns-de-falha\" class=\"anchor\" id=\"padrões-comuns-de-falha\"\u003e\u003c/a\u003ePadrões comuns de falha\u003c/h2\u003e\n\u003ch3\u003e\n\u003ca href=\"#adicionar-uma-nova-regra-ap%C3%B3s-cada-falha\" class=\"anchor\" id=\"adicionar-uma-nova-regra-após-cada-falha\"\u003e\u003c/a\u003eAdicionar uma nova regra após cada falha\u003c/h3\u003e\n\u003cp\u003eQuando um único erro é generalizado e transformado em uma regra permanente, exceções e conflitos se acumulam. Primeiro, deve-se adicionar um caso de avaliação e verificar se a falha é recorrente.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#usar-exemplos-longos-praticamente-como-modelos\" class=\"anchor\" id=\"usar-exemplos-longos-praticamente-como-modelos\"\u003e\u003c/a\u003eUsar exemplos longos praticamente como modelos\u003c/h3\u003e\n\u003cp\u003eSe um exemplo for específico demais, o modelo poderá priorizá-lo em vez da base de código atual. Os exemplos devem ser limitados ao tamanho mínimo necessário para explicar o princípio.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#preservar-logs-completos-sem-altera%C3%A7%C3%B5es\" class=\"anchor\" id=\"preservar-logs-completos-sem-alterações\"\u003e\u003c/a\u003ePreservar logs completos sem alterações\u003c/h3\u003e\n\u003cp\u003eSaídas de ferramentas e logs de compilação ocupam rapidamente o contexto. É melhor manter de forma estruturada apenas a causa da falha, a stack relevante e o estado alterado.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#usar-a-mem%C3%B3ria-autom%C3%A1tica-como-reposit%C3%B3rio-de-pol%C3%ADticas\" class=\"anchor\" id=\"usar-a-memória-automática-como-repositório-de-políticas\"\u003e\u003c/a\u003eUsar a memória automática como repositório de políticas\u003c/h3\u003e\n\u003cp\u003eA memória automática é conveniente, mas seus mecanismos de revisão, implantação e auditoria podem ser frágeis. As políticas obrigatórias da organização devem ser armazenadas em instruções controladas por versão ou em uma hierarquia de permissões.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#avaliar-a-redu%C3%A7%C3%A3o-de-contexto-apenas-como-economia-de-tokens\" class=\"anchor\" id=\"avaliar-a-redução-de-contexto-apenas-como-economia-de-tokens\"\u003e\u003c/a\u003eAvaliar a redução de contexto apenas como economia de tokens\u003c/h3\u003e\n\u003cp\u003eUm contexto curto nem sempre é melhor. Remover testes necessários, regras de segurança ou especificações piora o resultado. O objetivo não é obter o mínimo de tokens, mas o mínimo necessário de tokens de alto sinal.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#checklist-final\" class=\"anchor\" id=\"checklist-final\"\u003e\u003c/a\u003eChecklist final\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003eO objetivo da solicitação atual está separado dos critérios de sucesso?\u003c/li\u003e\n\u003cli\u003eAs regras de segurança estão separadas das preferências de estilo?\u003c/li\u003e\n\u003cli\u003eA mesma instrução não está duplicada em vários locais?\u003c/li\u003e\n\u003cli\u003eO esquema da ferramenta explica como usá-la sem exemplos longos?\u003c/li\u003e\n\u003cli\u003eÉ possível buscar os arquivos relevantes quando necessário?\u003c/li\u003e\n\u003cli\u003eHá uma forma de remover memórias desatualizadas e logs de execução?\u003c/li\u003e\n\u003cli\u003eÉ possível impor regras em linguagem natural por meio de testes ou permissões?\u003c/li\u003e\n\u003cli\u003eA prioridade entre os materiais de referência está clara?\u003c/li\u003e\n\u003cli\u003eHá tarefas de avaliação para comparar o antes e o depois das alterações nas instruções?\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2\u003e\n\u003ca href=\"#conclus%C3%A3o\" class=\"anchor\" id=\"conclusão\"\u003e\u003c/a\u003eConclusão\u003c/h2\u003e\n\u003cp\u003eA engenharia de contexto para modelos Claude de alto desempenho não é uma técnica de simplesmente reduzir instruções. É um projeto de informações que torna claros o objetivo, os limites de segurança e as evidências necessários para que o modelo julgue a tarefa atual, ao mesmo tempo que remove informações irrelevantes e regras conflitantes.\u003c/p\u003e\n\u003cp\u003eO princípio mais prático pode ser resumido da seguinte forma:\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eImponha rigorosamente a segurança e os contratos, deixe o estilo a cargo do contexto, forneça as informações no momento necessário e valide os resultados com testes executáveis.\u003c/p\u003e\n\u003c/blockquote\u003e\n","tags":["Engenharia de prompts","Engenharia de contexto","Agentes de IA","Claude Code","Claude"],"faqs":[{"question":"Qual é a diferença entre engenharia de prompts e engenharia de contexto?","answer":"A engenharia de prompts trata de como expressar o objetivo, o formato e as restrições da solicitação atual. A engenharia de contexto projeta o que mostrar ao modelo e quando, incluindo esse prompt, entre instruções do sistema, arquivos, ferramentas, memória, histórico da conversa e resultados da execução."},{"question":"Um contexto mais longo sempre melhora o desempenho do modelo?","answer":"Não. Um contexto longo pode conter informações irrelevantes, registros antigos e instruções conflitantes. O importante não é o número total de tokens, mas a proporção de informações de alto valor que contribuem diretamente para a tarefa atual."},{"question":"É necessário excluir todas as regras existentes para o Claude 5?","answer":"Não. Regras minuciosas que variam conforme a situação, como estilo de código ou comentários, podem ser convertidas em princípios de decisão, mas as restrições relacionadas a segurança, dados pessoais, permissões, transações financeiras, exclusão de dados e contratos de API pública devem ser mantidas ou controladas com mais rigor por meio de ferramentas e testes."},{"question":"Que tipo de conteúdo é apropriado incluir no CLAUDE.md?","answer":"São apropriadas instruções duradouras e verificáveis, como comandos de compilação e teste do projeto, a estrutura do repositório, áreas que não devem ser alteradas e procedimentos de validação acordados pela equipe. Se todo progresso temporário ou descoberta personalizada for armazenado, o documento poderá ficar desatualizado rapidamente."},{"question":"A memória automática pode substituir o CLAUDE.md?","answer":"Não pode substituí-lo completamente. A memória automática é útil para manter preferências ou informações de exploração descobertas em tarefas repetitivas, mas instruções que exigem auditoria e controle de versão, como políticas de segurança e contratos públicos, devem ficar no CLAUDE.md ou em uma camada separada de políticas."},{"question":"Quais características uma boa interface de ferramentas para agentes deve ter?","answer":"A finalidade deve ficar evidente apenas pelo nome da ferramenta e pelo esquema de entrada, e os valores obrigatórios e estados permitidos devem ser claros. É recomendável que operações de escrita perigosas exijam uma visualização prévia ou aprovação e que os erros retornem de forma estruturada a causa e o método de recuperação."},{"question":"A divulgação progressiva significa ocultar informações do modelo?","answer":"Não. É uma abordagem que fornece inicialmente o objetivo e o caminho de exploração e permite que o modelo pesquise os arquivos, as especificações e os logs necessários à medida que detalha a tarefa. O objetivo é reduzir a injeção prévia de informações desnecessárias, mantendo a possibilidade de acesso às informações."},{"question":"Como avaliar o efeito após reduzir o contexto?","answer":"Em um conjunto representativo de tarefas, deve-se comparar, antes e depois da mudança, a taxa de aprovação nos testes, o número de correções feitas pelo usuário, as alterações desnecessárias, os erros de ferramentas, o uso de tokens e a ocorrência de violações das políticas de segurança. O sucesso não deve ser avaliado apenas pela redução do tamanho do prompt."},{"question":"Não é necessário fornecer nenhum exemplo de uso das ferramentas?","answer":"Os exemplos nem sempre são desnecessários. Quando há casos-limite ou entradas ambíguas difíceis de representar apenas com o esquema, exemplos mínimos são úteis. No entanto, deve-se priorizar tornar a própria interface clara, em vez de listar repetidamente chamadas normais."}],"sources":[{"url":"https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents","title":"Engenharia de contexto eficaz para agentes de IA","type":"source"},{"url":"https://www.anthropic.com/engineering/building-effective-agents","title":"Construindo agentes eficazes","type":"source"},{"url":"https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview","title":"Visão geral da engenharia de prompts","type":"source"},{"url":"https://docs.anthropic.com/en/docs/claude-code/memory","title":"Documentação de memória do 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/en/articles/claude-5-context-engineering-rules"}