> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/es/2025/w31-context-engineering-for-ai-agents.md). # W31-«Ingeniería de contexto para agentes de IA» El artículo de Manus Ingeniería de contexto para agentes de IA me ha dado una visión más práctica del desarrollo de aplicaciones de IA. Antes era fácil reducir ese desarrollo a «llamar a una API». Ahora entiendo que el verdadero reto consiste en gobernar una IA esencialmente incierta mediante métodos tradicionales y deterministas de ingeniería de software. La experiencia acumulada tras innumerables ensayos y errores constituye una barrera técnica frente a la incertidumbre de los grandes modelos. No se puede evaluar fácilmente esa barrera mirando el código o una demo del producto. Solo conversando con ingenieros de amplia experiencia es posible comprobar si existe una ventaja sistemática. La capacidad competitiva central de quien construye aplicaciones consiste en traducir con precisión intenciones humanas ambiguas a flujos de trabajo que una máquina pueda ejecutar de forma estable. Un libro sobre sistemas complejos, Discovered, Not Designed, me ayudó a entender de forma más coherente ese difícil de describir «arte de la orquestación determinista» que es la ingeniería de contexto. Distingue dos tipos de problemas. Los difficult problems pueden resolverse mediante un diseño explícito con métodos tradicionales de ingeniería. Los hard problems a menudo son difíciles de explicar y no se resuelven con métodos de diseño explícitos, sino mediante ensayo, error y ajuste continuo. Un producto industrial como un avión es suficientemente complicado, pero no pertenece a la categoría de sistemas complejos: su complejidad puede diseñarse de forma explícita. Los grandes modelos se acercan más a los sistemas complejos y son un producto que se «descubre». Al entrenar un gran modelo de lenguaje, no se modifican directamente sus parámetros internos, sino que se lo guía con retroalimentación externa para que se ajuste y termine produciendo las respuestas esperadas. De forma similar, los precios de mercado no se diseñan cuidadosamente: surgen de las interacciones y estrategias de innumerables participantes. La incertidumbre es una bendición, no una maldición. Es importante entender su origen en los grandes modelos y situarla en el tipo de problema correcto. Nos enfrentamos a un campo nuevo de la ingeniería, todavía en sus inicios y lleno de trabajo concreto, tedioso y difícil. No podemos aferrarnos a la mentalidad determinista de los difficult problems.