O que é engenharia de contexto e por que ela mudou

Engenharia de contexto é a prática de estruturar as informações fornecidas a um modelo de linguagem - o que vai no prompt do sistema, na janela de conversa, nos documentos anexados e nas saídas de ferramentas - para obter o melhor desempenho possível. Com os modelos Claude 5, a Anthropic revisou as diretrizes fundamentais dessa prática, reconhecendo que os modelos mais novos se comportam de forma diferente dos anteriores.

A principal mudança é conceitual: a engenharia de contexto passou de uma arte baseada em truques e workarounds para uma disciplina mais estruturada. Os modelos Claude 5 foram treinados para seguir instruções de forma mais literal, raciocinar de forma mais profunda antes de responder e lidar melhor com janelas de contexto muito maiores - o que muda as melhores práticas de forma significativa.

Janelas de contexto maiores: oportunidade e armadilha

Os modelos Claude 5 suportam janelas de contexto substancialmente maiores do que as gerações anteriores. Isso significa que você pode passar documentos completos, históricos de conversa longos e saídas volumosas de ferramentas sem se preocupar com truncamento. Mas janelas maiores também trazem um risco: contexto desnecessário dilui a atenção do modelo.

A regra prática da Anthropic é clara: inclua apenas o contexto que seja diretamente relevante para a tarefa atual. Passar 50 páginas de documentação quando apenas 3 seções são relevantes não melhora a resposta - pode piorá-la, porque o modelo precisa filtrar mais ruído para encontrar o sinal. Qualidade do contexto supera quantidade.

A hierarquia de instruções no Claude 5

Uma das mudanças mais importantes nas diretrizes do Claude 5 é a ênfase na hierarquia de instruções. O modelo respeita uma ordem de prioridade clara: instruções do sistema têm precedência sobre as do usuário, que por sua vez têm precedência sobre o contexto implícito do documento. Entender essa hierarquia é essencial para construir agentes e pipelines robustos.

Na prática, isso significa que seu system prompt deve ser o lugar onde você define comportamentos permanentes - tom, restrições, formato de saída. A mensagem do usuário deve trazer a tarefa específica. Misturar regras permanentes com instruções por-tarefa no mesmo lugar gera ambiguidade que os modelos anteriores toleravam melhor do que o Claude 5, que agora as seguirá com mais literalidade.

Raciocínio estendido: quando usar e quando evitar

Os modelos Claude 5 suportam raciocínio estendido (extended thinking), onde o modelo pensa em voz alta antes de dar a resposta final. Isso melhora significativamente o desempenho em tarefas que envolvem lógica complexa, matemática e planejamento de múltiplos passos.

A diretriz da Anthropic, porém, é não ativar raciocínio estendido para todas as tarefas. Para perguntas factuais simples, classificação, tradução e resumos diretos, o custo de tokens do raciocínio não se traduz em melhoria mensurável. Reserve o raciocínio estendido para tarefas onde a cadeia de pensamento é genuinamente necessária: problemas de otimização, debugging de lógica complexa, planejamento de agentes.

Construindo agentes com Claude 5: novas boas práticas

Para sistemas multiagente e pipelines de IA, as novas diretrizes introduzem recomendações específicas. A principal é dar ao agente apenas as ferramentas e o contexto de que ele precisa para a tarefa atual - não todas as ferramentas disponíveis de uma vez. Agentes com menos ferramentas cometem menos erros de seleção e são mais previsíveis.

Outra recomendação importante é estruturar as saídas de ferramentas de forma limpa antes de passá-las de volta ao modelo. Se uma ferramenta retorna 10KB de JSON e o agente precisa apenas de 3 campos, filtre antes de colocar no contexto. Isso economiza tokens e melhora a precisão das próximas chamadas.

Prompts de sistema: o que mudou na estrutura recomendada

A Anthropic revisou suas recomendações para prompts de sistema no Claude 5. As principais mudanças:

  • Seja explícito sobre o formato de saída: Claude 5 segue instruções de formato com mais fidelidade, então especifique exatamente o que você quer - JSON com campos nomeados, markdown, texto plano, etc.
  • Evite instruções contraditórias: o modelo tentará seguir todas as instruções e pode travar ou produzir saídas estranhas se elas se contradizem. Revise seu system prompt para eliminar contradições.
  • Use delimitadores explícitos: para separar seções de contexto (documentos, instruções, exemplos), use delimitadores claros como XML tags ou separadores textuais. O modelo usa esses delimitadores para estruturar sua compreensão.

Cache de prompt e otimização de custo

Com janelas de contexto maiores e prompts de sistema mais elaborados, o custo de tokens pode aumentar rapidamente. A Anthropic recomenda usar o prompt caching - disponível na API - para partes do contexto que não mudam entre chamadas. Um system prompt de 10K tokens cacheado custa uma fração do preço de um não-cacheado em chamadas repetidas.

A regra prática: qualquer prompt de sistema com mais de 1024 tokens que seja reutilizado em múltiplas chamadas deve usar caching. O breakeven é atingido na segunda chamada.

O que não mudou: princípios fundamentais

Apesar das mudanças nas boas práticas, alguns princípios continuam iguais: exemplos concretos (few-shot) continuam sendo a forma mais eficiente de comunicar comportamento desejado; instruções negativas (não faça X) são menos eficazes do que instruções positivas (faça Y em vez); e o modelo responde melhor quando o contexto está organizado do geral para o específico.

Conclusão

As novas diretrizes de engenharia de contexto para o Claude 5 refletem uma maturação do campo: menos magia negra, mais estrutura. Para desenvolvedores que já trabalham com modelos da Anthropic, a transição exige revisar prompts existentes com atenção especial à hierarquia de instruções e ao tamanho do contexto. Para quem está começando, as novas diretrizes oferecem um ponto de partida mais sólido do que as versões anteriores. O documento completo está disponível no blog oficial da Anthropic.