Lunes, 16 de noviembre de 2026
Portada de las 21:50
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · dbreunig.com

El estado de la ingeniería de contexto

Drew Breunig resume en un texto basado en su charla en AGNTCon cómo ha evolucionado la ingeniería de contexto desde el «RAG ha muerto» de 2024. Repasa los fallos de los contextos largos, como el envenenamiento o la distracción, y las herramientas para corregirlos.

Foto: vía dbreunig.com

Leer el artículo aquíArtículo original (dbreunig.com) 58 comentarios en Hacker News

Escucha la noticia3 min

Breunig parte de una pregunta que le hizo O'Reilly en junio de 2025, cuando preparaba su libro The Context Engineering Handbook: cómo saber que no quedaría obsoleto en pocas semanas. Su respuesta es que dar instrucciones claras, coherentes y sin ruido seguirá siendo difícil por muy buenos que sean los modelos, como lo es entre personas. Pero será difícil de una forma propia, porque los modelos no son personas y tienen sus propios modos de fallo.

El autor recuerda el final de 2024, cuando se daba por muerto el RAG y se esperaba meterlo todo en una ventana de contexto enorme. Se pasó de unos 128.000 tokens a un millón con Gemini 1.5, y Llama 4 Scout llegó a diez millones, pero costaba de ejecutar y no cuajó. Más contexto trajo más problemas, y Breunig identifica cuatro: envenenamiento (algo erróneo entra en el contexto y el modelo no lo supera), distracción (el contexto largo pesa más que el conocimiento base), confusión (datos ajenos a la tarea influyen en la respuesta) y choque (herramientas, skills e información de un harness que entran en conflicto).

Como ejemplo de envenenamiento cuenta el caso de Gemini 2.5 jugando a Pokémon. En el Pokémon Rojo original hay que darle limonada a un guardia; en FireRed, la versión de 2004, es té helado. Según el informe técnico de Gemini 2.5, el modelo se convenció varias veces de que necesitaba té aunque jugaba a la versión antigua, lo añadió a su lista de tareas y pasó horas sin poder salir de ahí. El mismo informe señala que, con un contexto muy por encima de los 100.000 tokens, el agente repetía acciones de su historial en vez de crear planes nuevos.

Para la distracción cita el artículo «Do as I Say, Not as I Do», de Carolina Camassa y Derek Shiller. Se da al modelo la instrucción de responder en ruso y se le muestran después ejemplos contrarios, con respuestas en francés. Todos los modelos probados acaban siguiendo los ejemplos: los pequeños, como Gemma 3 12B, con pocos; Opus 4.6 necesita muchos más, pero también cae. Breunig reinicia la sesión cuando el contexto llega a unos 200.000 o 300.000 tokens. Después enumera seis herramientas para tratar estos fallos, entre ellas la ampliación de contexto (RAG, skills) y la selección de herramientas expuestas (tool loadout). El texto disponible se corta al empezar a desarrollarlas. Su frase final es que el trabajo consiste en elegir cuándo ser determinista (qué va en código) y cuándo probabilista (cuándo deja el control al modelo).

En Hacker News

«The State of Context Engineering» · puesto 28 · 229 puntos · enviado por pchristensen

Lo que dicen los comentarios

La conversación se reparte entre la experiencia práctica con contextos largos y las objeciones al vocabulario. Varios usuarios confirman que los modelos rinden peor a medida que crece el contexto y comparten sus remedios: archivos de traspaso, reinicios manuales, resúmenes jerárquicos. Otros matizan que con los modelos nuevos la degradación llega mucho más tarde, hacia los 700.000 u 800.000 tokens. Hay discusión sobre si el caso del té es de verdad «envenenamiento de contexto», ya que el error venía de los pesos; la respuesta es que la idea acabó en la lista de tareas, es decir, en el contexto. También hay quien pregunta por qué acuñar términos nuevos para fenómenos conocidos de la informática, y quien destaca la idea del olvido estratégico y la de decidir qué tareas se dejan al código y cuáles al modelo.

  • LLMs funcionan mejor cuando los conceptos relacionados están cerca en el texto. No solo importa la longitud, también cómo está organizada la información. Por eso importan la revelación progresiva y los subagentes: la información innecesaria separa lo que debería ir junto.
    — BenoitEssiambre, leer el comentario
  • No me parece cierto, al menos con los modelos nuevos. Se llenan hasta 250k enseguida explorando el código, y sin ese contexto rinden mal. No noto un cambio grande hasta los 700-800k, y aun así menos que antes.
    — ethanj8011, leer el comentario
  • La información de pedir té estaba en los pesos, y era un error: debía haber sido limonada. Pero al añadir «iced tea» a su lista de tareas, pasó al contexto, y el modelo ya no pudo escapar de esa idea.
    — WarmWash, leer el comentario
  • Muy informativo, pero ¿por qué acuñar términos? Los fenómenos y estrategias no son específicos de los LLM. Yo habría llamado «swapping» al offloading y «contaminación» a la confusión.
    — rwoerz, leer el comentario
  • DeepSeek v4.1 flash, a medida que crece el contexto, empieza a decir que hay que cerrar el trabajo y seguir en la «próxima sesión». Ahora le hago escribir un archivo de traspaso y borro el contexto: compacto a mano.
    — kadoban, leer el comentario

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.