Контекст-инжиниринг: почему дело не в промпте, а в папке

Коротко

Почему «идеальный промпт» больше не решает

Ещё пару лет назад умение писать хороший промпт считалось суперспособностью. Люди собирали библиотеки «золотых промптов», продавали подборки волшебных фраз, заучивали «think step by step». Пока ИИ жил в одном окне чата, это правда работало: правильные примеры и чёткая структура реально меняли ответ.

Сегодня этого мало. И вот почему.

Современный ИИ-агент - это не один вопрос и один ответ. Это цепочка из десятков и сотен вызовов модели, где на каждом шаге кто-то должен решить: какие данные из прошлых шагов тащить дальше, какие инструменты подключить, что из памяти достать, а что выбросить, чтобы не переполнить окно. Идеальная формулировка одного шага не спасёт, если агент получил на вход мусор, устаревшие данные или обрезанную историю.

Правило старое, как сама работа с данными: мусор на входе - мусор на выходе. Только теперь это происходит внутри автономной цепочки: ошибка накапливается, и заметить её труднее. Модель может быть сколь угодно умной. Она работает с тем, что ей подали.

Поэтому навык и сместился. Раньше был важен промпт-инжиниринг - сейчас контекст-инжиниринг. Модели уже понимают почти любую формулировку нормально, а вот контекст им нужно подать правильно. За последний год об этом заговорили и в большой инженерии: от подбора формулировок все переходят к проектированию того, что вообще попадает модели в поле зрения.

Что такое контекст-инжиниринг простыми словами

Разберём простым языком. Контекст-инжиниринг - это управление тем, что модель знает прямо сейчас, чтобы принять верное решение. Если промпт-инжиниринг отвечает на вопрос «как сформулировать задачу», то контекст-инжиниринг отвечает на вопрос «что агент должен видеть перед глазами, когда её выполняет».

Простая аналогия, которую я всегда привожу на обучении. ИИ-агент - это очень способный стажёр. Умный, быстрый, но новый. С коллегой вы понимаете друг друга с полуслова - у вас общий контекст, годы совместной работы. А стажёру надо объяснить подробно: кто мы, что за продукт, как у нас принято, где лежат документы. Дай стажёру контекст - он вытянет сложную задачу. Не дай - получишь общие слова, потому что откуда ему знать специфику.

Вот живой пример разницы. Попроси нейросеть сварить борщ - напишет отличный рецепт, тут контекст и не нужен, он общий для всех. А попроси построить маркетинговую стратегию - без контекста получишь воду в стиле «изучите аудиторию и определите УТП». Дело не в формулировке. Во втором случае агенту нужны роль, ограничения, цифры, специфика бизнеса. Сложную задачу вытягивает контекст вокруг неё.

Отсюда мой главный тезис по теме: выигрывает не тот, кто знает лучший промпт, а тот, кто собрал лучший контекст.

Из чего складывается контекст агента

Представь контекст как сборочную линию: у каждого элемента своя роль, и вместе они дают агенту полную картину. Вот из чего он складывается, на человеческом языке.

• Роль и правила. Кто агент, как себя ведёт, чего не делает. Это то, что раньше звали системным промптом. Он всё ещё нужен, но занимает малую часть картины.
• Короткая память - история текущей задачи: что уже сделано, какие решения приняты. Без сжатия она быстро съедает всё окно.
• Длинная память - факты о тебе, компании, прошлых разговорах. Их достают точечно под запрос, а не держат всё время в поле зрения.
• Инструменты и их результаты - что агент умеет вызвать (поиск, база, API) и, главное, отфильтрованный ответ. Сырой ответ на пять тысяч строк убивает и качество, и бюджет.
• Документы и данные - нужные куски из твоей базы знаний: регламенты, тексты, таблицы. Не вся папка целиком, а то, что относится к делу.
• Цель текущего шага - что именно надо сделать прямо сейчас, в отличие от общей цели. Без этого агент расползается и решает не то, о чём просили.

Ключевое слово тут - «заново перед каждым вызовом». Контекст не статичен. «Настроил один раз» здесь не работает: это живая сборка, которая на каждом шаге решает, что положить агенту на стол.

Секрет непрограммиста: контекст - это папка с файлами

Теперь то, что почти никто не использует. По моим наблюдениям, большинство тех, кто работает с ИИ-агентами, каждый раз заново объясняют одно и то же и упираются в потолок «модель тупая». Модель не тупая. Ей просто не дали контекст.

А контекст для непрограммиста - это не магия и не код. Это папка с файлами. Ты один раз описываешь в обычных текстовых файлах: кто ты, что за продукт, кто аудитория, какие правила, что уже сделано. Агент читает их перед работой и действует как сотрудник, который знает карту офиса, а не как случайный человек с улицы. Это и есть второй мозг проекта.

Один такой файл-навигатор (в Claude Code он называется CLAUDE.md) - это как трудовой договор агента. Ты один раз прописал правила, и дальше агент не переспрашивает одно и то же. Важно: этот файл - оглавление, а не книга. В нём только маршрут: «для задачи про продукт читай вот этот файл, про клиентов - вон тот». Детали лежат в отдельных файлах, куда агент заглядывает по мере надобности.

Почему именно текстовые файлы папками, а не один большой документ? Потому что так агент читает их как человек - по оглавлению, открывая только нужное. Формат - обычный Markdown, самый понятный для нейросети. Не нужен Word, не нужна база данных. Нужна структура вместо хаоса.

Вспомни про айсберг. Многие думают, что залог результата - это модель: купить подписку помощнее, взять топовую нейросеть. На самом деле сама модель - это верхушка, процентов десять. Компании жгут деньги на подписки и серверы, а результата нет, потому что никто не выстроил вокруг контекст. Основное - под водой: как ты собрал знания, которые агент читает перед каждой задачей. Секрет не в инструменте, а в логике вокруг него.

Если это звучит абстрактно - у меня есть отдельный подробный разбор 12 принципов вайбкодинга для предпринимателя, там второй мозг показан на живых примерах.

Как наполнить второй мозг, если ты не технарь

Хорошая новость для непрограммиста: наполнить второй мозг можно тем, что у тебя и так есть. Не садиться и печатать методичку, а собрать из готового.

1. Голосовое интервью

   Надиктуй агенту рассказ о себе и бизнесе, как другу. Он сам разложит это в структуру файлов.

2. Транскрипции

   Расшифровки вебинаров, созвонов, выступлений - готовая фактура твоим голосом, её просто отдать агенту.

3. Переписки и письма

   Перешли важные письма и обсуждения - там живые формулировки и решения, которых нет больше нигде.

4. Экспорт чатов

   Выгрузи рабочие переписки из мессенджера - агент вытащит повторяющиеся вопросы и твои ответы.

5. Готовые документы

   Регламенты, презентации, прайсы - всё, что уже описывает твой бизнес, идёт в дело.

Смысл один: ты не пишешь контекст с нуля, ты собираешь его из того, что накопил за годы. Задача агента - разложить это по полкам, чтобы читать перед каждой работой.

Почему это выстрелило именно сейчас

Рост важности контекста связан с тем, как изменились сами агенты. Ещё недавно сценарий был простой: задал вопрос, получил ответ. Сейчас агент выполняет многошаговую задачу - читает документы, ходит в несколько сервисов, координируется с другими агентами, работает часами без остановки.

В такой архитектуре ошибка в контексте не гаснет со временем, она копится. Если на десятом шаге агент получил неполные данные, к тридцатому он строит решение на искажённой картине мира. Со стороны это выглядит как «модель тупит», хотя на самом деле ей просто подсунули не тот набор фактов.

Есть и контринтуитивный момент - размер контекстного окна. Казалось бы, чем больше окно, тем проще: закинь туда всё, и пусть разбирается. На практике наоборот. Модель хуже использует информацию, засунутую в середину очень длинного контекста, даже если по лимиту токенов она туда влезает. Этот эффект в исследованиях так и называют - «потеря в середине». Вывод простой: большое окно работу с контекстом не отменяет. Наоборот, усиливает соблазн навалить лишнего. А лишнее топит нужное.

Пять принципов, чтобы контекст работал на тебя

Принцип 1. Релевантность важнее полноты. Дай агенту минимально достаточное для текущего шага. Каждый лишний фрагмент - это шум, который конкурирует за внимание с важным. AI читает не всё - AI читает правильное.

Принцип 2. Структура вместо сплошного текста. Одна и та же информация, поданная списком с явными заголовками, усваивается лучше сплошной простыни. Раздели: вот роль, вот факты, вот правила, вот история. Модели проще, когда видно, что есть что.

Принцип 3. Свежесть. Длинная память должна обновляться, а не копиться бесконечно. Устаревший факт, который спорит с новым, - частая причина странного поведения агента. Отдельно про цифры: меняющиеся значения (цены, метрики) не зашивай намертво в текст, держи в одном месте и обновляй, иначе они протухнут и агент будет врать с умным видом.

Принцип 4. Сжатие истории. Длинную переписку с агентом надо периодически сворачивать в короткую сводку - оставлять суть и ключевые решения, а не полный лог всех сообщений. Так фокус держится на актуальном, а окно не забивается.

Принцип 5. Один чат - одна задача. Это тактическая гигиена контекста. У агента есть окно, и оно засоряется. Спросишь в одном чате про калорийность бананов, а потом про стоимость недвижимости - рискуешь получить цену недвижимости где-то рядом с банановой плантацией. Утрирую, но суть такая: новая задача - новое окно. А если чувствуешь, что контекст перегрелся, - сожми его или начни заново.

Частые ошибки при работе с контекстом

• Вся история целиком без сжатия. Окно забивается, важные детали вымываются к середине разговора.
• Слепое доверие к автопоиску. Агент нашёл документы - но без отбора по релевантности в контекст попадают случайные, слабо связанные куски.
• Каша из правил и данных. Статичные инструкции и меняющиеся факты свалены в один большой текст, и агенту сложно понять, где правило, а где разовый факт.
• Устаревшее не вычищается. Старые версии фактов продолжают влиять на решения, потому что их никто не пометил как неактуальные.
• Про лимиты вспоминают в проде. Пока задачи короткие, всё летает. Проблема всплывает, когда разговоры становятся длинными, - и всегда не вовремя.

Заметь: почти все ошибки - это не про технику, а про дисциплину. Про то, наводишь ты порядок в контексте или надеешься, что большая модель как-нибудь разберётся сама. Не разберётся.

Частые вопросы

Главный вывод

Мы переходим от одной парадигмы к другой. От «выучи волшебные фразы для промпта» - к «собери агенту контекст, в котором он работает как твой сотрудник». Формулировка запроса всё ещё имеет значение, но только поверх правильного контекста. А контекст определяет, будет агент надёжным помощником или источником случайных, труднообъяснимых ошибок.

И хорошая новость для тебя как для непрограммиста: тут твой бизнес-опыт весит больше, чем чей-то технический бэкграунд. Собрать контекст - это описать своё дело, а это ты знаешь лучше любого разработчика. Если хочешь понять, откуда вообще берутся эти агенты и чем Claude Code отличается от обычного чат-бота, посмотри разбор что такое Claude Code и Codex.

Как думаешь: контекст-инжиниринг уравнивает шансы для маленьких игроков, у которых есть глубокое знание своего дела, - или в первую очередь ускорит тех, кто и так впереди?