Context Layer
TL;DR
A Context Layer responde o que o modelo precisa saber pra tomar boas decisões nesta tarefa específica. Diferente do Prompt Layer (que define comportamento), aqui entram goal da sessão, audience, contexto do projeto, source material, preferências, restrições, histórico de decisões e modos conhecidos de falha. É a camada onde Context Engineering vive — montada dinamicamente, em camadas, com context rot em mente.
O que é esta camada
A Context Layer é o ambiente informacional carregado pro modelo a cada tarefa. Não é estática (como o system prompt) nem externa (como retrieval) — é o conjunto curado de informação que esta execução precisa.
Template mínimo (adaptado do thread @hooeem):
goal: <objetivo específico desta sessão>
audience: <pra quem o output vai>
project_context: <restrições e estado do projeto>
source_material: <documentos relevantes; pode ser referência por id>
preferences: <tom, exemplos a evitar, padrões da casa>
constraints: <limites técnicos, prazo, orçamento de tokens>
decision_history: <decisões anteriores que ainda valem>
known_failure_modes: <onde sistemas anteriores erraram>A diferença prática: o Prompt Layer é o mesmo em mil chamadas; o Context Layer muda a cada chamada (ou cada sessão).
Decisões-chave
-
O que persiste, o que é transiente. Camadas de contexto separa o que vive por longo tempo (preferências do usuário) do que dura uma sessão (decision_history) do que dura um turn (source_material citado agora).
-
Pull vs push. Empurrar todo o material relevante de uma vez infla a janela e produz context rot. Puxar só quando preciso (JIT retrieval, ver JIT retrieval) preserva atenção.
-
Compressão vs fidelidade. Documento longo pode ser passado bruto, resumido por outro LLM ou indexado pra retrieval. Compressão perde nuance; bruto consome tokens. A escolha depende do quanto cada nuance importa.
-
Decision history. Em sessões longas (especialmente com agents), o histórico de decisões anteriores é parte do contexto. Sem ele, o agente “esquece” o que já tentou e repete o mesmo erro.
-
Known failure modes como contexto. Listar onde o sistema costuma errar (no próprio contexto) reduz a recorrência. É auto-prompt-engineering: “anteriormente você falhou em X; preste atenção”.
Onde aprofundar no Codex
- Context Engineering — trilha inteira. Especialmente Context pipelines e Camadas de contexto.
- A janela de contexto — limite físico.
- Dicionário: Context window.
Veja também
- 03 - Prompt Layer — comportamento vs aqui (conhecimento)
- 06 - Retrieval Layer — uma das fontes do Context Layer
- 05 - Output Layer — Context informa Output mas não o substitui
Fontes
- @hooeem — Become an AI Engineer, chapter #18, Step 3 (Context layer template).
- Anthropic — Effective context engineering for AI agents (2025).
- Karpathy, Andrej — Tweet on context engineering (jun 2025). “LLM é a CPU, janela de contexto é a RAM, você é o OS.”