„Dat fiind că modelele sunt constrânse de un buget finit de atenție, o bună inginerie a contextului înseamnă găsirea celui mai mic set posibil de tokeni cu semnal înalt care maximizează probabilitatea rezultatului dorit.”Prithvi Rajasekaran, Ethan Dixon, Carly Ryan, Jeremy Hadfield (Anthropic Engineering) · Effective context engineering for AI agents · 2025 · Effective context engineering for AI agents (Anthropic Engineering, 29 septembrie 2025) — secțiunea «The anatomy of effective context»
Fiecare token nou consumă buget de atenție; ține în context doar ce are semnal.
Ghidul oficial de bune practici pentru Claude Code (2026) pornește de la o singură constrângere: fereastra se umple repede, iar performanța scade pe măsură ce se umple. Articolul din 2025 dă mecanismul: modelele au un «buget de atenție» pe care fiecare token nou îl consumă, cu randamente descrescătoare — de aceea un context mai mare nu e automat un context mai bun. De aici derivă tehnicile pentru sarcini lungi: compactare (un rezumat fidel, apoi o fereastră nouă), notițe structurate ținute în afara ferestrei și recitite la nevoie, subagenți cu context curat pentru cercetare, ale căror rapoarte condensate se întorc în firul principal, și încărcare «la momentul potrivit»: identificatori ușori (căi, interogări) în loc de fișiere întregi. În practică, la tastatură: /clear între sarcini fără legătură, /compact cu instrucțiuni despre ce trebuie să supraviețuiască, /btw pentru o întrebare laterală care nu are ce căuta în istoric, unelte de linie de comandă (gh, aws) în loc de API-uri cu răspunsuri lungi, căutare și citiri pe intervale în loc de fișiere întregi, o linie de stare care arată consumul. Măsura corectă a productivității nu e tokeni pe oră, ci tokeni per sarcină încheiată.
De ce contează O sesiune care «uită» instrucțiunile nu are un model prost, are o fereastră plină.