# Контекстная инженерия для ИИ-агентов: руководство

URL: https://agentvera.dev/ru/blog/context-engineering-for-ai-coding/ · Опубликовано: 2026-10-28

Контекстная инженерия для ИИ-агентов: что заполняет контекст, почему он «гниёт» и какие приёмы работают лучше правки промпта, от правил по путям до субагентов.

**Коротко:**

- Контекстная инженерия — это выбор токенов, которые агент видит на каждом шаге: системный промпт, файлы правил, инструменты и их результаты, MCP, прочитанные файлы и история.
- С ростом входа модели становятся менее надёжными (context rot), поэтому небольшой и точный контекст обычно выигрывает у хитрого промпта в раздутой сессии.
- Основные приёмы: короткие файлы правил с узкой областью, чтение по требованию, субагенты с чистым окном, сжатие, карта кода, файлы заметок и короткий вывод инструментов.

**Контекстная инженерия — это решение о том, что ИИ-агент кодинга видит на каждом шаге: какие инструкции, файлы правил, определения инструментов, прочитанные файлы, результаты инструментов и история лежат в его контекстном окне, а что остаётся за его пределами.** Для агентов кодинга это обычно важнее, чем шлифовка промпта: промпт, который вы набираете, — лишь малая часть того, что читает модель. Большую часть окна занимают файлы правил, вывод инструментов и весь предыдущий диалог. Держите этот контекст небольшим и релевантным — и результат будет лучше, чем от любой переформулировки промпта.

В этом руководстве разберём, что попадает в контекст агента, почему длинный контекст деградирует, какие приёмы помогают и как понять, что они работают. Данные о Claude Code и Codex актуальны на октябрь 2026 года.

## Что такое контекстная инженерия

Инженерная статья Anthropic [Effective context engineering for AI agents](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) (29 сентября 2025 года) определяет контекст как набор токенов, включаемых при генерации ответа модели, а контекстную инженерию — как отбор и поддержание наилучшего набора этих токенов во время инференса.

Отличие от промпт-инжиниринга — в охвате и во времени:

| | Промпт-инжиниринг | Контекстная инженерия |
| --- | --- | --- |
| Что вы формируете | Формулировку инструкций | Всё, что есть в окне |
| Когда | Один раз, при написании промпта | На каждом шаге цикла агента |
| Типичные рычаги | Формулировки, примеры, формат | Файлы правил, извлечение, инструменты, сжатие, субагенты, память |
| Типичный сбой | Расплывчатый или хрупкий промпт | Окно, забитое устаревшими, шумными или противоречивыми токенами |

Агент кодинга работает в цикле: прочитать, вызвать инструмент, прочитать результат, решить, вызвать снова. Каждый шаг добавляет токены, и на каждом шаге заново читается всё, что уже есть. Поэтому статья называет контекстную инженерию итеративной: отбор происходит заново каждый раз, когда агент решает, что передать модели.

## Что попадает в контекст агента кодинга

До вашего первого сообщения и по ходу сессии:

- **Системный промпт и встроенные инструменты.** Их задаёт CLI. Вы их не контролируете, но платите за них на каждом шаге.
- **Файлы правил.** `CLAUDE.md` для Claude Code, `AGENTS.md` для Codex и многих других агентов. Они загружаются в начале сессии.
- **Определения инструментов и MCP.** У каждого инструмента, который может вызвать агент, есть имя и описание. MCP-серверы добавляют новые. Claude Code откладывает загрузку полных определений MCP-инструментов до их использования, поэтому сразу загружаются только имена и инструкции серверов.
- **Извлечённое содержимое.** Файлы, которые читает агент, результаты поиска, документация, которую он подтягивает.
- **Результаты инструментов.** Прогоны тестов, логи сборки, `git diff`, запросы к базе, снимки страниц.
- **История диалога.** Ваши сообщения, ответы агента и каждая неудачная попытка.

Чтобы оценить постоянную часть: мы измерили первый запрос Claude Code — около 34,4 тыс. токенов в стандартной конфигурации и около 13,3 тыс. в облегчённой (см. [нашу статью о расходе токенов](/ru/blog/claude-code-token-usage/ "Сократите расход токенов Claude Code на 61%")). Эта база отправляется заново на каждом шаге. Подробности о `/context`, `/compact` и `/clear` в Claude Code — в [руководстве по контекстному окну Claude Code](/ru/blog/claude-code-context-window/ "Контекстное окно Claude Code").

## Почему больше контекста не значит лучше: context rot

У контекстного окна есть жёсткий предел, но мягкий наступает раньше. Статья Anthropic описывает «бюджет внимания»: трансформеры связывают каждый токен с каждым другим, так что n токенов дают n² попарных связей, и каждый новый токен ещё сильнее размывает внимание. Чем больше заполнено окно, тем хуже модель вспоминает то, что в нём лежит.

Независимые исследования показывают то же самое. В [отчёте Context Rot](https://www.trychroma.com/research/context-rot) компании Chroma (14 июля 2025 года) проверили 18 моделей и выяснили, что во всех экспериментах качество падает с ростом длины входа, даже на простых задачах. Несколько выводов, важных для кодинга:

- Даже один отвлекающий фрагмент — текст, который выглядит релевантным, но таким не является, — снижал точность, и эффект усиливался с ростом длины входа.
- В бенчмарке на длинную память все модели справлялись заметно лучше с коротким сфокусированным промптом примерно на 300 токенов, чем с полным промптом примерно на 113 тыс. токенов.

У агента кодинга отвлекающие факторы повсюду: старая версия файла, прочитанная до правки, стектрейс уже исправленного бага, отвергнутый подход. Окно в 1M токенов даёт запас, но не иммунитет.

## Приёмы, которые работают

Ниже — приёмы из статьи Anthropic, переложенные на то, что вы делаете с агентом кодинга.

### 1. Короткие файлы правил с узкой областью действия

Файлы правил оплачиваются в каждой сессии, поэтому каждая строка должна оправдывать своё место. [Документация по памяти](https://code.claude.com/docs/en/memory) Claude Code советует держать каждый `CLAUDE.md` короче 200 строк и отмечает, что длинные файлы соблюдаются хуже. Вместо одного длинного файла:

- Правила для части кода кладите в `.claude/rules/` с полем `paths`. Они загружаются, только когда Claude читает или редактирует подходящий файл.
- Используйте вложенные `CLAUDE.md` в подпапках. Claude Code загружает их по требованию, когда начинает работать в этой папке.
- Помните, что импорты `@path` упорядочивают файл, но не снижают его стоимость: импортированные файлы загружаются вместе с импортирующим.

```markdown
---
paths:
  - "src/api/**/*.ts"
---

# Правила API

- Проверяй тело каждого запроса общей схемой.
- Возвращай ошибки в стандартном формате ошибок.
```

Codex работает похоже с `AGENTS.md`: он читает глобальный файл из `~/.codex`, затем по одному файлу на каталог от корня проекта до рабочей папки; более близкие файлы идут позже и имеют приоритет. Добавление файлов прекращается при достижении `project_doc_max_bytes`, по умолчанию 32 КиБ. Что писать в эти файлы, мы разобрали в [руководстве по CLAUDE.md и AGENTS.md](/ru/blog/claude-md-agents-md/ "Лучшие практики CLAUDE.md").

По содержанию Anthropic советует писать на «правильной высоте»: достаточно конкретно, чтобы направлять поведение, и достаточно обобщённо, чтобы не зашивать хрупкую логику if-else. Несколько показательных примеров работают лучше длинного списка пограничных случаев.

### 2. Извлекать по требованию

Вместо того чтобы загружать всё заранее, держите лёгкие ссылки (пути к файлам, имена функций, ссылки) и позвольте агенту загружать содержимое, когда оно понадобится. Anthropic приводит в пример Claude Code: он находит файлы через glob и grep, а большие данные просматривает с помощью `head` и `tail`, не загружая их целиком. На практике:

- Укажите агенту конкретный файл или символ вместо просьбы «осмотреться».
- Просите структуру файла или диапазон строк, прежде чем читать большой файл целиком.
- Держите в файле правил короткую карту репозитория (где лежит API, где тесты), а остальное пусть агент подтягивает сам.

### 3. Изолировать работу в субагентах

Субагент работает в собственном чистом контекстном окне. Он может потратить десятки тысяч токенов на исследование и вернуть только сжатое резюме; по словам Anthropic, такие резюме часто занимают от 1000 до 2000 токенов. Хорошие кандидаты — исследование кодовой базы, чтение длинных логов и ревью диффа в свежем контексте.

Субагенты не бесплатны. В [статье Anthropic о мультиагентной исследовательской системе](https://www.anthropic.com/engineering/multi-agent-research-system) (13 июня 2025 года) сказано, что агенты расходуют примерно в 4 раза больше токенов, чем чат, а мультиагентные системы — примерно в 15 раз больше. Вы покупаете чистую основную ветку, а не меньший счёт.

### 4. Сжимать и убирать старые результаты инструментов

Сжатие (compaction) суммирует диалог, приблизившийся к пределу, и продолжает работу от резюме. Anthropic называет очистку старых результатов инструментов одной из самых безопасных форм сжатия: агенту редко нужен сырой вывод теста сорокашаговой давности. На стороне API [анонс Anthropic об управлении контекстом](https://claude.com/blog/context-management) (29 сентября 2025 года) сообщал, что редактирование контекста, удаляющее устаревшие вызовы и результаты инструментов, сократило расход токенов на 84% в оценке веб-поиска на 100 шагов.

В CLI для кодинга направляйте резюме сами, а не ждите, пока оно сработает на пределе:

```text
/compact Сохрани список изменённых файлов, падающий тест и решение по API
```

А когда переходите к несвязанной задаче, начните новую сессию вместо сжатия старой.

### 5. Дать агенту заметки вне окна

Структурированные заметки — это когда агент записывает прогресс в файл и потом перечитывает его. Среди примеров Anthropic — файл `NOTES.md` и списки задач. Так работает и автопамять Claude Code: индекс `MEMORY.md` для каждого репозитория, первые 200 строк или 25 КБ которого загружаются в начале каждой сессии. Для нескольких агентов и сессий общая память проекта идёт дальше; о ней мы рассказали в статье [об общей памяти для AI-агентов](/ru/blog/shared-memory-for-ai-coding-agents/ "Общая память для AI-агентов").

### 6. Карта кода вместо слепого поиска

Исследование через grep и чтение заполняет окно целыми файлами, большинство из которых оказываются ненужными. [Карта кодовой базы](/ru/blog/codebase-map-for-ai-agents/ "Карта кодовой базы для ИИ-агентов") — это индекс файлов, символов, импортов и тестов, к которому агент может обращаться: сначала он читает ранжированный список и структуру файла и только потом нужные строки.

### 7. Короткий вывод инструментов

Результаты инструментов часто самая объёмная и шумная часть окна. Статья Anthropic [Writing effective tools for agents](https://www.anthropic.com/engineering/writing-tools-for-agents) (11 сентября 2025 года) рекомендует пагинацию, выбор диапазона, фильтрацию и обрезку с разумными значениями по умолчанию и сообщает, что Claude Code по умолчанию ограничивает ответы инструментов 25 000 токенов. Ту же идею можно применять снаружи:

- Запускайте один тестовый файл, а не весь набор.
- Фильтруйте логи через `grep` или `tail`, прежде чем агент их прочитает.
- Предпочитайте точечную CLI-команду инструменту, который возвращает целую страницу или таблицу.
- Отключайте MCP-серверы, которые проекту не нужны.

## Как измерять контекстную инженерию

Без измерений вы снова гадаете. Полезные сигналы:

- **Разбивка.** `/context` в Claude Code показывает, что занимает окно по категориям и какие файлы правил и памяти загружены. Проверяйте её после изменений в файлах правил или настройке MCP.
- **Токены на задачу.** Сравнивайте похожие задачи до и после изменения, а не отдельные сессии.
- **Повторные поправки.** Если вы снова и снова повторяете правило, его либо нет в файле правил, либо оно там затерялось.
- **Успех с первой попытки.** Меньше уточняющих промптов на сопоставимых задачах — вот результат, который вам на самом деле нужен.
- **Признаки деградации.** Повторное чтение файлов, забытые ранние инструкции, возврат к отвергнутому подходу. Заметили — сожмите контекст или начните заново.

Меняйте одну переменную за раз. В мультиагентной статье Anthropic расход токенов сам по себе объяснял около 80% разброса качества в оценке BrowseComp — напоминание о том, что больше токенов может выглядеть как лучший результат. Сравнивайте стоимость и качество вместе.

## Чек-лист

| Проблема | Приём |
| --- | --- |
| Правила игнорируются, файл всё растёт | Короче файл правил, правила по путям, вложенные файлы |
| Агент сначала читает полрепозитория | Извлечение по требованию, карта кода |
| Исследование захламляет основную сессию | Субагент, возвращающий резюме |
| Длинная сессия, качество падает | Направленное сжатие или новая сессия |
| Каждая новая сессия начинается с нуля | Заметки или файл общей памяти |
| Огромный вывод тестов и сборки | Точечные команды, отфильтрованный или сжатый вывод |

## Где здесь AgentVera

AgentVera запускает Claude Code, Codex и другие CLI-агенты рядом в одном десктопном приложении. Она не заменяет описанные привычки, но ряд функций применяет их к каждому запущенному агенту. Всё это описано на страницах функций:

- **[Экономия токенов](/ru/features/token-savings/ "Экономия токенов")**: профили контекста, уменьшающие стартовую базу, размер контекста в реальном времени в каждой панели, автосжатие, включённое по умолчанию с порогом 150 тыс. токенов через собственную команду каждого CLI, и RTK, который сокращает вывод тестов, сборки и git до того, как он попадёт к модели.
- **[Карта проекта](/ru/features/project-map/ "Карта проекта")**: локальный индекс символов, импортов, тестов и файлов, которые меняются вместе; агенты обращаются к нему через MCP-инструменты `agentvera-map`, например `map_related` и `map_outline`. Вкладка AI ROI сравнивает диалоги, где карта использовалась, с теми, где нет, в том числе по токенам на задачу.
- **[Brain](/ru/features/brain/ "Brain")**: память проекта, собранная из документации, коммитов, PR и диалогов агентов. Агенты ищут в ней через `brain_recall` и сохраняют поправки через `brain_remember`; новым агентам можно выдавать необязательный контекстный пакет объёмом до 2500 символов.
- **Умные инструменты** для Claude Code: отклоняют повторное чтение неизменённого файла, сначала выдают структуру большого файла и сужают полный прогон тестов до затронутых тестов.

Если вы работаете с одним агентом в одном терминале, приёмы из этой статьи прекрасно работают и сами по себе: `/context`, `/compact` и ухоженный файл правил решают большую часть задачи. AgentVera полезнее всего, когда вы запускаете несколько агентов и хотите применять ко всем одну и ту же дисциплину контекста. Её можно скачать и попробовать на одном проекте.

## Итоги

Контекстная инженерия — это отбор того, что агент видит на каждом шаге, и для агентов кодинга она работает лучше шлифовки промпта, потому что промпт — лишь тонкий срез окна. Длинный контекст менее надёжен, поэтому держите файлы правил короткими и с узкой областью, извлекайте по требованию, отдавайте исследование субагентам, сжимайте с фокусом, храните заметки вне окна, пользуйтесь картой кода и сокращайте вывод инструментов. Затем измеряйте: разбивка контекста, токены на задачу и успех с первой попытки покажут, помогло ли изменение.

## Частые вопросы

**Что такое контекстная инженерия?** Anthropic определяет её как отбор и поддержание наилучшего набора токенов во время инференса. Для агента кодинга это значит решать, что попадает в контекстное окно на каждом шаге: инструкции, файлы правил, инструменты, прочитанный код, результаты инструментов и история диалога.

**Чем контекстная инженерия отличается от промпт-инжиниринга?** Промпт-инжиниринг занимается тем, как написать и упорядочить один набор инструкций. Контекстная инженерия охватывает всё, что попадает в окно и повторяется на каждом шаге цикла агента, поэтому это постоянная работа, а не разовый черновик.

**Что такое context rot?** Падение надёжности по мере удлинения входа. В отчёте Chroma за июль 2025 года проверили 18 моделей и выяснили, что качество падает с ростом длины входа даже на простых задачах. Большое окно этот эффект не устраняет.

**Делает ли окно в 1M токенов контекстную инженерию ненужной?** Нет. Большое окно даёт запас, но каждый токен по-прежнему конкурирует за внимание модели и заново отправляется на следующих шагах. Старые исследования кода и неудачные попытки делают сессию медленнее, дороже и шумнее при любом размере окна.

**Как понять, работает ли моя контекстная инженерия?** Смотрите на разбивку контекста (/context в Claude Code), токены на задачу, на то, как часто приходится повторять правило и как часто задача проходит с первой попытки. Меняйте что-то одно за раз и сравнивайте похожие задачи.

---

**Об AgentVera.** AgentVera — настольное приложение для macOS, Windows и Linux от Solviera Teknoloji. Оно запускает 18 ИИ-агентов для программирования (Claude Code, Codex, Gemini CLI, Copilot, Cursor, Antigravity, opencode, Hermes, Qwen Code, Kimi Code, Kiro, Amp, Droid, Goose, Vibe, Crush, Aider, Cline) рядом, по проектам, в настоящих терминалах с собственными установками CLI и входами пользователя. В бесплатном тарифе количество агентов не ограничено. Скачать: https://agentvera.dev/ru/download/ · Цены: https://agentvera.dev/ru/pricing/