🤖 AI / ML
Контекст-инжиниринг
Context Engineering · инженерия контекста · контекстная инженерия · управление контекстом LLM
Определение
Контекст-инжиниринг — проектирование и сборка полного набора информации (инструкции, данные, история, инструменты, память), который LLM получает при каждом вызове, чтобы задача была решаема в пределах контекстного окна.
От промпта к контексту
Пока LLM использовали для разовых вопросов, качество ответа определялось формулировкой промпта. В ассистентах и агентах модель на каждом шаге получает гораздо больше, чем инструкцию:
| Слой контекста |
Что в нём |
Кто за него отвечает |
| Системные инструкции |
Роль, тон, запреты, правила ответа |
Продуктовая команда |
| Данные |
Карточки товаров, найденные через RAG |
Поиск и фид |
| История |
Реплики текущего диалога |
Приложение |
| Инструменты |
Описания функций, которые можно вызвать через function calling |
Разработка |
| Память |
Предпочтения покупателя из прошлых сессий |
Профиль и хранилище |
Контекст-инжиниринг — это работа со всеми слоями сразу: что взять, сколько, в каком порядке и что не брать.
Базовые приёмы
LangChain в июле 2025 года разложил практики на четыре группы; к ним стоит добавить порядок.
- Запись. Сохранять сведения вне окна, чтобы вернуть их позже: заметки агента, саммари сессии, память агента.
- Отбор. Подтягивать в окно только нужное: 10–20 релевантных карточек вместо категории целиком, 2–3 инструмента вместо всех.
- Сжатие. Оставлять только токены, нужные для задачи: саммари старых реплик, короткие карточки без HTML-разметки.
- Изоляция. Делить задачу между подагентами с отдельными чистыми окнами — например, поиск совместимых аксессуаров отдельно от основного диалога.
- Порядок. Модели хуже используют середину длинного входа («Lost in the Middle», Liu et al., 2023), поэтому правила ставят в начало, а текущий вопрос — в конец контекстного окна.
Практика: контекст шопинг-ассистента
| Класть в контекст |
Не класть |
| Правила ответа и мерчандайзинга: приоритетные бренды, запрет на товары без наличия |
Весь каталог или категорию целиком |
| Текущий запрос и последние реплики диалога |
Полную историю всех прошлых сессий |
| 10–20 карточек: название, цена, наличие, 3–5 ключевых атрибутов |
Полные HTML-описания и SEO-тексты |
| Корзину и выбранные фильтры |
Сырые логи событий |
| Краткую сводку предпочтений: размер, бюджет, любимые категории |
Телефон, адрес и другие персональные данные, не нужные для ответа |
| Описания инструментов, нужных на этом шаге |
Цены и наличие из прошлых реплик без обновления |
Важно: каждое изменение контекста — это изменение продукта. Новые правила, другой набор полей карточки или другой объём истории сравнивают A/B-тестом по конверсии и выручке на визит, а не на глаз.
Частые вопросы
Чем контекст-инжиниринг отличается от промпт-инжиниринга?
Промпт-инжиниринг — это методы написания и организации инструкций для модели. Контекст-инжиниринг шире: он управляет всем состоянием контекста — системными инструкциями, инструментами, внешними данными, историей сообщений. Именно так разводит два понятия Anthropic в руководстве от 29 сентября 2025 года. Хороший промпт не спасёт ответ, если в контекст не попали нужные товары.
Кто популяризировал термин «контекст-инжиниринг»?
В июне 2025 года Тоби Лютке, CEO Shopify, написал, что предпочитает «context engineering» промпт-инжинирингу: это «искусство дать весь контекст, при котором LLM может правдоподобно решить задачу». 25 июня 2025 года Андрей Карпаты поддержал формулировку. Затем LangChain и Anthropic описали практики дисциплины.
Зачем тщательно отбирать контекст, если окно уже на миллион токенов?
Потому что с ростом контекста точность падает. Anthropic называет это context rot и сравнивает внимание модели с бюджетом: каждый новый токен немного его расходует. Лишние данные не только стоят денег, но и отвлекают модель от того, что важно для ответа.
Какие ошибки контекста встречаются чаще всего?
LangChain со ссылкой на Дрю Бройнига выделяет четыре: отравление (в контекст попала галлюцинация и дальше считается фактом), отвлечение (контекста так много, что модель теряет задачу), путаницу (лишние сведения влияют на ответ) и конфликт (части контекста противоречат друг другу). В магазине типичный конфликт — старая цена из прошлой реплики и новая из свежего поиска.
Gravity Field
Персонализация для e-commerce — на одной платформе
Gravity Field помогает онлайн-ритейлерам растить конверсию, средний чек и удержание за счёт персонализации на всех этапах пути покупателя — без перегрузки IT.
✦Товарные рекомендации и merchandising-правила
✦A/B-тесты с байесовской статистикой и автопилотом (MAB)
✦Персонализация контента, PLP и сегментация аудитории
✦AI Shopping Assistant с доказанным ростом выручки на визит
Запросить демо →