Контекст-инжиниринг в 2026: что это и как настроить в Claude Code

Контекст-инжиниринг - это настройка всего, что попадает в окно Claude до твоего сообщения: системного промпта, описаний инструментов, истории диалога, файлов памяти, данных из внешних источников. В 2026 году этот навык заменил промпт-инжиниринг как ключевой. Так пишут Anthropic, так формулирует Andrej Karpathy, так считают 95% IT-лидеров из отраслевого опроса.

Промпт-инжиниринг отвечал на вопрос «как написать запрос». Контекст-инжиниринг отвечает на вопрос «что ИИ знает в момент, когда ты пишешь запрос». Ниже разберём канон от первоисточников, семь типичных ошибок, которые сжигают токены и ломают Claude Code, и рабочую связку из семи шагов, которую реально собрать за вечер.

Что такое контекст-инжиниринг в одной строке

Контекст-инжиниринг это дисциплина курирования всего, что попадает в контекстное окно ИИ-агента на каждом шаге: системный промпт, инструменты, история диалога, файлы памяти, данные из внешних источников. Промпт-инжиниринг спрашивал «как сформулировать запрос». Контекст-инжиниринг спрашивает «что у модели перед глазами, когда запрос приходит».

Самое короткое определение дал Andrej Karpathy в твите 25 июня 2025 года:

+1 за ‘context engineering’ вместо ‘prompt engineering’. Prompts у людей ассоциируются с короткими описаниями задач, которые они кидают LLM в повседневной работе. А в любом серьёзном промышленном LLM-приложении context engineering это тонкое искусство и наука: заполнить context window именно той информацией, которая нужна на следующем шаге.

- Andrej Karpathy, x.com

По-русски: деликатное искусство и наука заполнить контекстное окно ровно той информацией, которая нужна на следующем шаге.

Термин ввёл в оборот за неделю до Karpathy, 18 июня 2025 года, Tobi Lütke, CEO Shopify:

Мне очень нравится термин ‘context engineering’ вместо prompt engineering. Он точнее описывает ключевой навык: искусство дать весь нужный контекст так, чтобы LLM могла реально решить задачу.

- Tobi Lütke, x.com

Anthropic закрепили термин в инженерном блоге 29 сентября 2025 года:

Context engineering это набор стратегий по подбору и поддержанию оптимального набора tokens во время inference LLM, включая всё, что туда попадает помимо самих prompts.

- Anthropic Applied AI team, anthropic.com

Та же статья даёт фразу, которая переворачивает оптику:

Разработка с языковыми моделями всё меньше про подбор правильных слов и фраз в prompts и всё больше про ответ на вопрос пошире: ‘какая конфигурация контекста с большей вероятностью даст нужное поведение модели?’

- Anthropic Applied AI team, anthropic.com

Держи главную мысль в голове. Контекст это не сообщение, которое ты пишешь. Контекст это весь набор информации, который ИИ видит до твоего сообщения: системный промпт, описания инструментов, история диалога, файлы из памяти, данные, подгруженные через MCP. Промпт - финальный шаг. Контекст-инжиниринг - архитектура всего, что подаётся в окно.

Разница чувствуется на живом проекте. Продукт собирается за пару вечеров, когда ты заранее накидал в контекст всю продуктовую логику, и модель работает по ней. Большой репозиторий живёт без регрессий, когда весь контекст разложен по папкам, и Claude ходит по ним точечно вместо того, чтобы съедать репозиторий целиком. Всё это результат настройки контекста, а удачная формулировка одного запроса тут вторична.

Почему промпт-инжиниринг устарел в 2026

Промпт-инжиниринг родился, когда модели работали одним запросом: один turn, одна задача. ИИ-агенты 2026 года живут в долгих сессиях с инструментами, памятью, субагентами и извлечением данных на лету. В такой архитектуре формулировка одного запроса перестаёт быть главным навыком. Главным становится курирование всей информации, которую агент видит. По отраслевому опросу 250 IT-лидеров за март 2026, с этим согласны 95%.

Сдвиг произошёл за лето 2025 года. Короткая хронология.

• 18 июня 2025: Lütke вводит термин в твите.
• 25 июня 2025: Karpathy усиливает его, пост лёг в основу GitHub-шаблона context-engineering-intro с 13.7k звёзд.
• 27 июня 2025: Simon Willison фиксирует момент в эссе:

Мне нравится. Думаю, этот термин приживётся.

- Simon Willison, simonwillison.net

• Июль 2025: Chroma Research публикует исследование Context Rot, где доказывает, что модели деградируют на длинном контексте.
• 29 сентября 2025: Anthropic закрепляет дисциплину инженерным блогом и даёт канон принципов.
• Март 2026: опрос 250 IT-лидеров показывает, что 95% считают контекст-инжиниринг критичным для ИИ-агентов на масштабе.

Дополнительные цифры из того же отчёта подтверждают зрелость тренда:

• 91% видят управление контекстом приоритетом уровня C-level в горизонте 1-3 года.
• 89% уже выделили бюджет на инфраструктуру контекста в ближайшие 12 месяцев.
• 87% признают, что готовность данных - главный затык для ИИ в продакшене.

Промпт-инжиниринг при этом никуда не делся. Он стал базовой грамотностью, вроде умения печатать на клавиатуре. А поверх неё выросла дисциплина, без которой ИИ-агент на длинных задачах ломается. Это и есть контекст-инжиниринг. Если сама работа с формулировками пока даётся тяжело, начни с азов в разборе как писать промпты, а потом возвращайся сюда за архитектурным слоем.

Чем контекст-инжиниринг отличается от промпт-инжиниринга

Промпт-инжиниринг оптимизирует один запрос: подбираешь формулировку, шаблон, тон. Контекст-инжиниринг архитектурит всю информационную среду до этого запроса: системный промпт, инструменты, историю сессий, файлы памяти, retrieval. Разница работает на пяти уровнях: что оптимизируем, горизонт времени, главный риск, главный навык, источник в проекте.

Аспект	Промпт-инжиниринг	Контекст-инжиниринг
Что оптимизируем	Формулировку одного запроса	Весь набор токенов: системный промпт + инструменты + история + retrieved данные
Горизонт	Один turn	Многие turn-ы плюс переходы между сессиями
Главный риск	Модель не поняла запрос	Модель утонула в шуме (context rot)
Главный навык	Копирайтинг плюс понимание модели	Архитектура информации и точечное извлечение
Источник в проекте	Твой шаблон промпта	CLAUDE.md, файлы памяти, retrieval, субагенты, compaction
Метафора	«Как написать запрос»	«Что ИИ знает в момент запроса»

Karpathy в том же твите 25 июня 2025 года объяснил баланс:

Слишком мало или не в той форме - и у LLM нет нужного контекста для оптимальной работы. Слишком много или нерелевантного - и стоимость LLM растёт, а качество падает.

- Andrej Karpathy, x.com

Смысл простой. Контекст-инжиниринг это точная дозировка. Слишком мало контекста - ИИ не знает деталей и галлюцинирует. Слишком много - ИИ тонет в шуме, теряется в середине, и стоит это дороже. Промпт-инжиниринг отвечал за финальный шаг. Контекст-инжиниринг отвечает за всё, что было до него.

Почему 1М токенов не значит «лей всё»

Контекстные окна выросли: Claude Opus 4.7 и Sonnet 4.6 поддерживают миллион токенов. Это создаёт иллюзию, что можно залить в окно весь репозиторий. На деле большое окно не равно большой полезной памяти. Модели начинают деградировать задолго до лимита.

Текущие лимиты по моделям Claude на июль 2026.

Модель	Контекстное окно	На каких планах
Claude Haiku 4.5	200 000 токенов	все планы
Claude Sonnet 4.6	1 000 000 токенов	Pro+ с usage credits
Claude Opus 4.7	1 000 000 токенов	Pro, Max, Team, Enterprise

Миллион токенов это примерно 2500 страниц текста. Кажется, что можно загрузить всю документацию проекта, всю переписку, все спецификации и пусть ИИ разбирается. Но Anthropic в инженерном блоге пишут прямо:

К контексту нужно относиться как к конечному ресурсу с убывающей отдачей.

- Anthropic Applied AI team, anthropic.com

Расшифровка: каждый дополнительный токен не приносит пользы линейно. Чем длиннее окно, тем хуже модель работает с тем, что в нём лежит. Boris Cherny, head of Claude Code, в интервью Pragmatic Engineer описывает свою манеру работы:

Дело даже не в deep work, а в том, насколько хорошо я переключаюсь и быстро прыгаю между разными контекстами.

- Boris Cherny, pragmaticengineer.com

Главный навык на 2026 год звучит так: держи открытым только узкий контекст под текущую задачу и быстро переключай эти окна, одно на одну задачу. Про то, как срезать расход токенов на этих переключениях, есть отдельный разбор про экономию токенов Claude.

Главная ошибка: больше контекста = хуже результат

Чем длиннее контекст, тем хуже модель работает с информацией внутри. Это явление называют context rot, его задокументировал Chroma Research летом 2025 года на 18 моделях. Параллельно работает эффект lost in the middle: модели помнят начало и конец контекста, а середину пропускают. Практический вывод один: длинные файлы памяти работают против тебя.

Chroma Research в июле 2025 года протестировали 18 топовых моделей: Claude Opus 4, Sonnet 4, Haiku 3.5, GPT-4.1, GPT-4 Turbo, Gemini 2.5 Pro, Qwen3-235B и другие. Главный вывод:

Модели не используют свой контекст равномерно. Их качество становится всё менее надёжным по мере роста длины входа.

- Kelly Hong, Anton Troynikov, Jeff Huber, trychroma.com

Конкретные цифры из исследования.

• На задаче Repeated Words проблемы у Gemini-моделей стартуют уже на 500-750 словах.
• GPT-4 Turbo показывает локальный пик качества на 500 словах, после этого качество падает.
• Один отвлекающий фрагмент (distractor) снижает качество. Четыре отвлекающих фрагмента обрушивают качество в разы.

Параллельно работает второй эффект, lost in the middle. Его задокументировали в Stanford в 2024 году (Nelson Liu и коллеги, публикация в TACL):

Качество обычно выше всего, когда важная информация лежит в начале или конце входного контекста, и заметно падает, когда модели приходится доставать её из середины длинного контекста, даже у моделей, заявленных как long-context.

- Nelson Liu et al., arxiv.org

На практике это значит: если важное правило стоит в середине файла CLAUDE.md, модель его пропустит. Anthropic в документации по памяти рекомендуют ограничение длины:

Цельтесь держать CLAUDE.md в пределах 200 строк - более длинные файлы сжирают больше контекста и снижают соблюдение инструкций.

- Anthropic, code.claude.com

200 строк это потолок, после которого модель начинает игнорировать правила. Рабочий диапазон, который держат на практике, это 80-120 строк. Каждая строка свыше начинает конкурировать с теми, которые реально важны. Как уложить правила в этот предел, подробно разобрано в гайде как настроить CLAUDE.md.

5 принципов контекст-инжиниринга по Anthropic

В инженерном блоге 29 сентября 2025 года Anthropic зафиксировали пять базовых стратегий работы с контекстом: конечный ресурс, just-in-time retrieval, structured note-taking, compaction, sub-agent architectures. Это канон, на который сейчас ссылаются остальные авторы темы.

Принцип 1. Контекст - конечный ресурс

Базовая установка, без неё остальные четыре не работают. Anthropic пишут:

Общий совет по всем компонентам контекста (system prompts, tools, примеры, история сообщений и т.д.) - продумывать их и держать контекст информативным, но плотным.

- Anthropic Applied AI team, anthropic.com

Tight значит плотно, без воды. Каждый токен в окне должен материально менять решение модели. Если строка в CLAUDE.md звучит как «мы стараемся писать чистый код», её можно удалять, она не несёт сигнала.

Принцип 2. Just-in-time retrieval

ИИ-агент тянет данные через инструменты на лету и не пред-загружает всё в окно заранее. Это и есть архитектура Claude Code: вместо векторной базы или индекса агент использует glob и grep, как живой инженер ищет в коде вручную. Boris Cherny рассказывал, что это открытие пришло из наблюдения за тем, как инженеры искали в коде, когда у них падал IDE.

Когда применять: ты не знаешь заранее, какие фрагменты понадобятся для задачи.

Принцип 3. Structured note-taking

Агент пишет заметки во внешнее хранилище и подгружает их по нужде. В Claude Code это реализовано через memory tool. Anthropic в cookbook описывают так:

Memory это структурированные заметки: агент пишет в постоянное внешнее хранилище, чтобы отслеживать прогресс по задачам и сессиям, не держа всё в активном контексте.

- Anthropic Cookbook, platform.claude.com

Когда применять: долгие сессии, переходы между сессиями, накопление знаний о проекте.

Принцип 4. Compaction

Сжатие истории сообщений в саммари при приближении к лимиту. В Claude Code это команда /compact плюс автоматическая компакция при достижении примерно 80% от окна. Anthropic пишут:

Compaction сжимает всё окно, когда оно становится слишком большим.

- Anthropic Cookbook, platform.claude.com

Когда применять: длинные аналитические диалоги, где история переписки превратилась в балласт и забивает окно вместо того чтобы помогать.

Принцип 5. Sub-agent architectures

Специализированные субагенты работают параллельно в своих контекстных окнах и возвращают сжатые сводки в lead-агента. Anthropic пишут:

Subagents помогают сжатию: работают параллельно со своими context windows и одновременно копают разные аспекты вопроса.

- Anthropic Engineering, anthropic.com

Цифры из их internal-теста: lead-агент Claude Opus 4 плюс субагенты Claude Sonnet 4 дают +90.2% качества против одиночного Claude Opus 4 на research-задачах. Цена: примерно в 15 раз больше токенов. Вывод: оправдано там, где исход дорогой.

7 ошибок, которые сжигают токены и ломают Claude Code

Семь типичных анти-паттернов, которые видно в чужих проектах чаще всего. Каждый либо сжигает токены без пользы, либо приводит к галлюцинациям из-за context rot. Под каждым - как закрыть его через контекст-инжиниринг.

#	Анти-паттерн	Что происходит	Как чинить
1	Залил весь README плюс 5 файлов кода в один промпт	Окно забивается на 50% за один turn, дальше быстро упирается в лимит	Memory tool для long-term фактов плюс just-in-time retrieval - пусть Claude сам читает файлы через read_file и glob
2	CLAUDE.md на 500 строк	Модель пропускает середину файла (lost in the middle), правила не работают	80-120 строк, императивы, разделы по командам и стилю. Самое важное в начало и конец
3	Не запускаю /compact на длинных сессиях	Сессия на 180k токенов, Claude забывает первые сообщения, ты повторяешь контекст руками	/compact руками или авто-компакция по триггеру. Признак стресса - индикатор context usage в интерфейсе
4	Один Claude на всё	Один агент делает планирование плюс поиск плюс код плюс ревью плюс тесты, окно растёт лавинообразно	Субагенты: каждый в своём контексте, lead собирает сводки. Anthropic дают +90.2% качества на research-задачах
5	Файлы памяти растут от tool-result-ов	Агент перечитывает один файл 5 раз, забивая 96% контекста результатами вызовов инструментов	Tool-result clearing: оставляешь 4-6 свежих результатов, остальное чистится. Сам факт вызова сохраняется
6	Залил весь репозиторий в папку examples/	ИИ ищет паттерн среди 200 примеров и теряется	3-7 канонических паттернов в examples/, каждый под конкретный тип задачи
7	Markdown-список на 200 строк как «план фичи»	После 50-й строки агент перестаёт держать структуру в голове	HTML-артефакт или нумерованный план в отдельном файле. По словам инженера Anthropic, «HTML - новый markdown»

Anthropic в cookbook описывают конкретный замер для ошибки №5. В их baseline-сессии первый документ из контекста формально лежал в окне, но был погребён под 335k токенами. Технически доступен. Фактически модель его не вспомнила. С memory tool это чинится так: файл с заметками весит около 3000 токенов вместо повторной загрузки всего исходного корпуса.

Бытовая аналогия точная. Контекстное окно это рабочий стол. Если на нём лежит 200 документов, ты не найдёшь нужный, даже если он там есть. Контекст-инжиниринг - дисциплина «держи на столе только то, что нужно сейчас, остальное в архиве, и подгружай по запросу».

Как собрать рабочую связку за вечер

Минимальная рабочая связка контекст-инжиниринга на Claude Code состоит из семи элементов: CLAUDE.md, examples, PRP-документы, memory tool, /compact, субагенты, just-in-time извлечение через инструменты. Базовый каркас ставится за 30-40 минут, полная настройка с примерами и проверенными промптами занимает один вечер. Дальше дорабатывается по ходу.

Семь шагов в порядке выполнения.

1. CLAUDE.md на 80-120 строк. В корне проекта. Императивы, не описания. Anthropic в документации рекомендуют принцип Specificity: правила должны быть конкретными и однозначными, не общими установками. На практике «никогда не используй inline mocks в тестах» работает лучше, чем «мы стараемся писать чистый код». Готовый шаблон - в гайде как настроить CLAUDE.md.

2. Папка examples/ с 3-7 проверенными паттернами. Один пример на типовой паттерн: вызов API, написание теста, миграция, обработка ошибки. Когда Claude видит паттерн в examples/, он повторяет его точно. Без примеров угадывает на ходу.

3. PRP-документы под крупные фичи. PRP это Product Requirements Prompt. Один файл на одну фичу: контекст плюс план плюс валидация плюс примеры. Boris Cherny про это говорит коротко:

Как только есть хороший план, реализация почти всегда выходит с одного захода.

- Boris Cherny, pragmaticengineer.com

4. Memory tool для long-term фактов вне сессии. Anthropic в cookbook реализовали memory tool как структурированное хранилище заметок. Когда агент в новой сессии возвращается к задаче, он сначала читает заметки вместо повторного чтения всего корпуса.

5. /compact плюс авто-компакция на 80% от лимита. Не дожидайся, пока окно упрётся в потолок. Включи авто-компакцию через настройки или вызывай /compact сам, когда чувствуешь, что сессия пошла по второму кругу.

6. Субагенты для research, review и planning. Каждый субагент в своём контексте, со своим узким промптом. Lead-Claude получает только сводку, сырьё остаётся у субагента.

7. Just-in-time retrieval вместо предзагрузки. Не заливай весь репозиторий в окно. Пусть Claude сам ищет через glob и grep. Это и есть архитектура самого Claude Code.

Плюс несколько практических правил, которые экономят токены и нервы.

• Одна задача - одно окно. Закончил, закрой, открой новое. Не накапливай историю нескольких задач подряд.
• Шаблон первой команды нового окна. Один и тот же текст под горячую клавишу: «Прочитай в таком-то порядке нужные файлы проекта и CLAUDE.md, подтверди в одну строку, не начинай задачу, жди следующего сообщения.»
• Окно заполнено больше чем на 60% - переходи в новое. Промежуточный приём: попроси Claude «напиши промпт, чтобы соседний чат продолжил задачу, не потеряв смысл», скопируй, открой новое окно.

Сколько именно токенов даёт твой план и как не сжечь их за вечер, разобрано в гайде про лимиты Claude Pro.

Куда движется контекст-инжиниринг дальше

Контекст-инжиниринг в 2026 году переходит от плоских markdown-файлов к более структурированным форматам. Инженер Anthropic предлагает HTML вместо Markdown для планирования. Появилась идея ночного переосмысления сессий агентом. Дальше просматриваются HTML-артефакты, persistent memory между сессиями и оркестрация нескольких агентов на уровне целой команды.

Три направления, в которых дисциплина движется прямо сейчас.

1. HTML вместо Markdown для планирования. Thariq Shihipar, инженер из команды Claude Code в Anthropic, в подкасте Lenny от 18 мая 2026 года описал переход:

HTML - это новый markdown.

- Thariq Shihipar, lennysnewsletter.com

Идея: вместо плоского списка на 200 строк дать агенту визуальный mockup, который он правит кусками. Одноразовые micro-UI под редактирование конкретной части плана. Compute уходит на коммуникацию контекста, а написание кода становится побочной задачей.

2. Ночное переосмысление сессий. На конференции Anthropic в мае 2026 года показали направление, где агент ночью пересматривает прошлые сессии и обновляет свои заметки. Структурированные файлы памяти тогда растут не только когда ты их пишешь, но и когда агент сам делает выводы из накопленного опыта.

3. Persistent memory между сессиями. Open-source проекты вокруг памяти для агентов набирают аудиторию на GitHub и показывают высокую точность на бенчмарках длинного диалога. Слой памяти ИИ перестаёт быть привязан к одной сессии и становится самостоятельным слоем системы, как база данных.

Тренд один. Контекст-инжиниринг превращается из «как написать CLAUDE.md» в полную дисциплину архитектуры информации для ИИ-агентов. Промпт-инжиниринг был первым уровнем этой дисциплины. Контекст-инжиниринг - следующий.

Чек-лист: что у тебя теперь есть

• Понимание, что контекст это всё окно до твоего сообщения, а промпт - его финальный шаг
• В голове разложены пять принципов Anthropic: конечный ресурс, retrieval, note-taking, compaction, субагенты
• CLAUDE.md на 80-120 строк императивами в корне проекта, самое важное в начале и конце
• Папка examples/ с 3-7 каноническими паттернами под типовые задачи
• Привычка звать /compact и не тащить историю нескольких задач в одно окно
• Список из 7 анти-паттернов, по которому легко проверить, где именно жгутся токены
• Понимание, куда дисциплина движется: HTML-планы, память как отдельный слой, оркестрация агентов