PulseFlow Tecnologia
← Insights
·7 min de lectura·framework-playbook·context-engineering·kv-cache·agentes-de-ia
PulseFlow Tecnologia

Un playbook de context engineering para equipos de producto e ingeniería

Manus documentó, con números reales de producción, lo que realmente significa el context engineering cuando un agente corre a escala. La lección central, de entrada, es sobre costo: "la tasa de aciertos del KV-cache es la métrica más importante" para agentes en producción - con Claude Sonnet, un token en caché cuesta $0,30 por millón de tokens frente a $3 sin caché, una diferencia de 10 veces, y la proporción promedio entrada-salida de Manus es de aproximadamente 100:1. Esto reordena por completo la prioridad de quien diseña el contexto de un agente: antes de pensar en "qué poner en el prompt", hay que pensar en "qué no va a invalidar el caché".

La estabilidad del prefijo es receta, no detalle

Un error común y costoso: poner una marca de tiempo precisa al inicio del prompt. "Incluso una diferencia de un token invalida el caché" para todos los tokens siguientes. La práctica recomendada es mantener el prefijo del prompt estable, usar contexto de solo anexado (append-only), y marcar explícitamente los puntos de corte de caché - solo donde realmente se necesitan.

Enmascarar herramientas, no eliminarlas

Añadir o quitar herramientas dinámicamente parece una buena forma de mantener el contexto ligero, pero rompe el KV-cache con cada cambio. La alternativa que usa Manus es una máquina de estados con enmascaramiento de logits: las acciones se nombran con prefijos consistentes (browser_, shell_), lo que permite restringir qué acciones están disponibles en cada momento sin modificar la definición de las herramientas en sí.

Archivos como memoria externa

En vez de intentar mantener todo dentro de la ventana de contexto, el agente aprende a leer y escribir archivos bajo demanda - "memoria estructurada externalizada". Las estrategias de compresión conservan URLs y rutas para restaurar información después, sin perder datos. Esto evita tanto el límite de tamaño del contexto como la degradación de desempeño que ocurre con entradas muy largas.

Recitación: mantener el objetivo al final del contexto

Una tarea típica en Manus requiere unas 50 llamadas a herramientas - tiempo suficiente para que un agente pierda el hilo. La solución es mantener un archivo todo.md que se actualiza continuamente, "recitando objetivos al final del contexto" para mantener el plan general dentro de la ventana de atención más reciente del modelo.

Los errores pertenecen al contexto, no a la papelera

Un instinto común es limpiar del contexto las acciones que fallaron. Manus recomienda lo contrario: dejar visibles las acciones fallidas permite que el modelo "actualice implícitamente sus creencias internas". Borrar el error elimina la evidencia de que ocurrió - y el contexto con errores mejora la recuperación de la tarea, no la empeora.

Cuidado con los patrones repetitivos de "pocos ejemplos"

Los modelos imitan los patrones que ven en el contexto. Un contexto demasiado uniforme - los mismos pocos ejemplos repetidos - causa "deriva, sobregeneralización o alucinación". La corrección es introducir variación estructurada deliberada en la serialización, la redacción y el orden, para romper el patrón repetitivo.

Las diez fases del playbook

Combinando estas lecciones de producción con la práctica de ingeniería de contexto:

  1. Mapeo de fuentes - qué entra al contexto y de dónde viene
  2. Clasificación de conocimiento - qué es fijo, qué es dinámico
  3. Priorización - qué queda en el prefijo estable, qué se anexa
  4. Recuperación - archivos como memoria externa, no solo la ventana de contexto
  5. Compresión - conservar referencias (URLs, rutas), no el contenido bruto
  6. Actualización - recitar objetivos para mantener el foco en tareas largas
  7. Validación - preservar errores en el contexto, no borrarlos
  8. Costo - tasa de aciertos de caché como métrica central, no secundaria
  9. Observabilidad - medir dónde se rompe el caché y por qué
  10. Revisión - comprobar si los ejemplos del contexto no se volvieron un patrón demasiado repetitivo

Fuentes