PulseFlow Tecnologia
← Insights
·7 min de leitura·guia-tecnico·context-engineering·agentes-de-ia·cache
PulseFlow Tecnologia

Como criar um fluxo de context engineering para agentes

Desenhar o contexto de um agente não é escolher o que cabe no prompt - é decidir, sistematicamente, o que entra, quando entra, e o que sai. Este guia usa como referência duas fontes reais: os detalhes técnicos que a Manus publicou sobre como constrói contexto em produção, e o experimento de harness engineering da OpenAI, que documentou o que acontece quando o contexto de um agente é mal desenhado em escala.

Passo 1: mapeie tudo que hoje entra no contexto

Antes de otimizar qualquer coisa, liste literalmente tudo que compõe o prompt do agente hoje: system prompt, histórico de conversa, resultado de chamadas de ferramenta, arquivos anexados, documentação do projeto. O experimento da OpenAI mostra por que esse mapeamento importa: o time descobriu que decisões de arquitetura discutidas em Slack nunca apareciam no contexto do agente - elas eram tão invisíveis para o agente quanto seriam para um novo contratado no primeiro dia. Mapear as fontes existentes é o único jeito de descobrir esse tipo de buraco antes que ele vire retrabalho.

Passo 2: classifique por criticidade e por estabilidade

Cada fonte de contexto se encaixa em duas perguntas: é crítica para a tarefa? e muda com que frequência? A Manus usa exatamente essa distinção na prática: o prefixo do prompt (instruções, ferramentas disponíveis) precisa ser estável, porque "mesmo uma diferença de um token invalida o cache" para tudo que vem depois. Timestamps precisos, por exemplo, são um erro clássico de classificação - parecem inofensivos, mas mudam a cada chamada e quebram a reutilização de tudo que vem atrás deles.

Passo 3: separe contexto fixo de contexto dinâmico

Defina explicitamente o que é fixo (arquitetura, convenções, ferramentas disponíveis) e o que é dinâmico (estado da tarefa atual, resultado da última ação). O fixo vai no prefixo estável; o dinâmico vai em append, sem tocar no que já foi processado.

Passo 4: defina como o agente recupera informação sob demanda

Em vez de tentar manter tudo dentro da janela de contexto, defina que o agente lê e escreve arquivos como memória externa - a técnica que a Manus chama de "memória estruturada externalizada". Isso evita degradação de performance em contextos muito longos e contorna o limite de tamanho de qualquer janela.

Passo 5: defina a estratégia de compressão

Quando informação precisa ser resumida para caber, mantenha referências (URLs, caminhos de arquivo) em vez do conteúdo bruto, para poder restaurar o dado original depois sem perdê-lo de vez.

Passo 6: priorize fontes conflitantes

Quando duas fontes de contexto discordam (documentação desatualizada versus resultado de ferramenta recente), defina de antemão qual prevalece. Sem essa regra, o agente decide de forma inconsistente entre execuções.

Passo 7: meça o custo de cada decisão de contexto

O custo não é abstrato: com Claude Sonnet, um token em cache custa US$ 0,30 por milhão contra US$ 3 sem cache - 10 vezes mais caro. Toda decisão de contexto que quebra o cache (adicionar uma ferramenta dinamicamente, por exemplo, em vez de mascará-la) tem esse custo real embutido.

Passo 8: registre as decisões, não só o resultado

Documente por que uma fonte entrou no contexto fixo e outra no dinâmico - isso vira a base para revisar a decisão depois, em vez de redescobrir o motivo do zero.

Passo 9: crie testes de regressão para o contexto

Assim como código, o desenho de contexto quebra silenciosamente quando alguém adiciona uma fonte nova sem pensar no impacto sobre cache ou compressão. Testes de regressão pegam isso antes de produção.

Passo 10: revise periodicamente

O contexto de um agente não é uma decisão de arquitetura única - muda conforme a tarefa muda. Revisões periódicas pegam contexto que virou redundante, fontes que pararam de ser atualizadas, ou padrões repetitivos demais que a Manus descreve como causa de "deriva, generalização excessiva ou alucinação".

Fontes