Sade anlatım
Model yalnızca önündekiyle çalışabilir ve önündeki alan sınırlıdır. Context engineering editörün işidir: bu görevin bu adımında model neyi, hangi sırayla görmeli ve yalnızca dikkatini dağıtacağı için ne dışarıda bırakılmalı? Önünde yanlış sayfa açık olan parlak bir model yine yanlış yanıt verir.
Neden önemli
Yapay zeka tek sorulardan saatlerce çalışan ajanlara geçtikçe darboğaz ifadeden bilgi tedarikine kaydı. Yetenekli modellerin üretimdeki başarısızlıklarının çoğu bağlam başarısızlığıdır: ilgili bilgi getirilmemiştir ya da elli ilgisiz araç çıktısının altında kalmıştır. Bağlamı iyi yöneten ekipler ucuz bir modelden, yönetemeyenlerin en iyisinden aldığından fazlasını alır.
Örnek
Bir kodlama ajanı büyük bir depoda ipin ucunu kaçırıp duruyor. Model aynı kalıyor. Çözüm, modelin gördüklerinde: başta yüklenen kısa bir proje kılavuzu, ilgili fonksiyonlara indirgenmiş arama sonuçları, her alt görevden sonra temizlenen eski araç çıktıları ve yeniden okuyabildiği bir not dosyası. Aynı model, eskiden yarıda bıraktığı görevleri tamamlıyor.
Bununla en çok karıştırılan kavram
Context Engineering ve Prompt Engineering arasındaki fark
Prompt engineering “bunu nasıl ifade etmeliyim?” diye sorar. Context engineering “model şu anda neye bakmalı, neye bakmamalı?” diye sorar. İlki çoğunlukla tasarım sırasında bir kez yapılır. İkincisi çalışan bir sistemdir: retrieval, bellek, compaction ve araç tasarımı görev boyunca birlikte işler.
Köken: Terim 2025 ortasında, Tobi Lütke ve Andrej Karpathy gibi isimlerin de katkısıyla, ajan sistemleri kurma işi için prompt engineering'den daha isabetli bir ad olarak yayıldı.
Teknik katman
Kollar: sistem istemi ve araç tanımları (sabit, önbelleğe alınabilir); her şeyi baştan yüklemek yerine tam zamanında retrieval; ham döküm yerine özet ve referans döndüren araç sonuçları; eski turların compaction'ı; dış bellek ve not dosyaları; ayrı pencerelerde çalışıp özet döndüren alt ajanlar; konum dikkati etkilediği için sıralama. Yön veren kısıt şudur: bağlam sonludur ve doldukça kalite düşer (context rot); bu yüzden hedef, modelin sıradaki adımı atmasına yetecek en küçük, sinyali en yüksek token kümesidir.