Context engineering: skutečná dovednost za promptingem
Přejít na sekci
Prompting vs. context engineering
Většina lidí řeší, jak lépe formulovat prompt. To je jako optimalizovat SQL dotaz bez indexů — můžete se snažit sebevíc, ale základní problém je jinde. Context engineering je disciplína, která se zabývá tím, jaké informace model má k dispozici, kdy je dostane a v jakém formátu. Kdykoliv AI dá špatnou odpověď, první otázka není 'jak lépe promptovat?' ale 'jaký kontext modelu chybí?'
Vrstvy kontextu v AI nástrojích pro vývojáře
Kontext přichází z několika vrstev: systémový prompt (nastavený nástrojem), projektové instrukce (CLAUDE.md, .cursorrules), soubory načtené do kontextu, historie konverzace a váš aktuální prompt. Každá vrstva má jinou prioritu a jinak ovlivňuje výstup.
Jako vývojář máte kontrolu nad třemi vrstvami: projektové instrukce, které soubory načtete, a váš prompt. Největší páku má první vrstva — projektové instrukce se aplikují na každou konverzaci automaticky.
Proč stejný prompt dává různé výsledky
Představte si prompt 'refaktoruj tuto funkci'. Bez kontextu model nemá tušení, jestli máte rádi funkcionální styl nebo OOP, jestli používáte TypeScript strict mode, jestli máte testy. S CLAUDE.md, který říká 'používej funkcionální composici, TypeScript strict, každá funkce musí mít unit test' — ten samý prompt dá dramaticky lepší výsledek.
Kontextové okno jako RAM
Kontextové okno modelu si představte jako RAM vašeho počítače. Máte omezenou kapacitu a musíte rozhodovat, co tam patří. Načtení celého repozitáře je jako otevřít 500 tabů v prohlížeči — technicky to jde, ale výkon rapidě klesá. Každý token v kontextu má svůj cost — irelevantí informace nejsou jen zbytečné, aktivně škodí, protože model může chytit falešný signál z nesouvisejícího souboru.
Pravidlo palce: model pracuje nejlépe, když má v kontextu přesně to, co potřebuje — ani víc, ani méně. Příliš málo kontextu = halucináty. Příliš moc kontextu = ztracené jehly v kupce sena.
Praktické techniky context engineeringu
Několik technik, které okamžitě zlepší váš výstup: 1) Před promptem načtěte relevantní soubory. 2) Začněte novou konverzaci, když měníte téma. 3) Použijte CLAUDE.md pro věci, které platí vždy. 4) V promptu odkazujte na konkrétní čísla řádků a soubory. 5) Strukturujte kontext hierarchicky — od obecného ke konkrétnímu.
V Claude Code můžete použít příkaz /clear pro resetování kontextu, ale CLAUDE.md zůstane. To je přesně ta výhoda — vaše projektové instrukce přežijí každý reset.
Kontext vs. fine-tuning vs. RAG
Context engineering je nejrychlejší způsob, jak ovlivnit chování modelu. Fine-tuning vyžaduje data a výpočetní zdroje. RAG vyžaduje infrastrukturu. Ale dobře napsaný CLAUDE.md — to je 10 minut práce s okamžitým efektem na každou konverzaci.
Intro to Large Language Models
Otevřete svůj hlavní projekt a spište si: 1. Jaké projektové instrukce máte? (CLAUDE.md, .cursorrules, jiné) 2. Jaké informace model potřebuje, ale nemá? (konvence, architektura, závislosti) 3. Jaké informace model dostává, ale nepotřebuje? (irelevantí soubory, stará historie) Na základě auditu naplánujte, co přidáte do CLAUDE.md a co přestanete načítat do kontextu.
Nápověda
Zaměřte se na věci, které opakovaně vysvětlujete modelu — to jsou kandidáti na CLAUDE.md. A všimněte si, jaké soubory model čte, ale nikdy nepoužije — ty stále zavádí šum.
Vytvořte CLAUDE.md soubor pro váš aktuální projekt. Zahrňte: tech stack, konvence, klíčové architektonické rozhodnutí, běžné příkazy, a specifické instrukce pro AI ('vždy používej TypeScript strict mode', 'testy piš v pytest'). Otestujte: zadejte AI stejný úkol s a bez CLAUDE.md. Jak moc se liší kvalita výstupu?
Nápověda
Zdokumentujte svůj postup a výsledky — poslouží jako reference pro budoucí podobné úkoly.
Vyberte jeden programovací úkol a proveďte tři experimenty: 1. Minimální kontext: zadejte úkol bez CLAUDE.md, bez načtených souborů 2. Střední kontext: přidejte CLAUDE.md a 2-3 relevantní soubory 3. Maximální kontext: přidejte vše — CLAUDE.md, relevantní soubory, příklady, historii Pro každý experiment hodnoťte: správnost, konzistenci se stylem projektu, počet potřebných oprav. Najděte sweet spot.
Nápověda
Sweet spot je obvykle 'CLAUDE.md + přímo relevantní soubory'. Příliš mnoho kontextu může být kontraproduktivní — model se ztratí v irelevantních detailech.
- Context engineering > prompting — řešte, co model ví, ne jen jak se ptáte
- Kontext má vrstvy: systémový prompt, projektové instrukce, soubory, historie, prompt
- Víc kontextu není vždy lépe — maximalizujte signal-to-noise ratio
- CLAUDE.md je nejefektivnější nástroj context engineeringu
- Každá nová konverzace = čistý kontext (kromě projektových instrukcí)