> 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/pt-br/2025/w31-context-engineering-for-ai-agents.md).

# W31-Context Engineering for AI Agents

O artigo do Manus *Context Engineering for AI Agents* me deu uma compreensão mais prática do desenvolvimento de aplicações de IA.

Antes, era fácil reduzi-lo a “chamar uma API”. Hoje percebo que o desafio real é usar métodos tradicionais e determinísticos de engenharia de software para controlar uma IA essencialmente incerta. A experiência acumulada em incontáveis tentativas e erros é a barreira técnica para lidar com a incerteza dos grandes modelos. Essa vantagem não pode ser avaliada facilmente por código ou por uma demonstração de produto. Só conversando com engenheiros experientes é possível verificar se existe uma vantagem sistemática.

A competência central de quem cria aplicações é traduzir com precisão intenções humanas vagas em fluxos de trabalho que máquinas executem de forma estável.

Um livro sobre sistemas complexos, *Discovered, Not Designed*, me ajudou a compreender de forma mais coerente essa difícil “arte da orquestração determinística” que é a engenharia de contexto. O livro separa dois tipos de problema. Os difficult problems podem ser resolvidos por um projeto explícito, com métodos tradicionais de engenharia. Os hard problems muitas vezes são difíceis de explicar e não cedem a um projeto explícito; a solução emerge de tentativas, erros e ajustes contínuos.

Um produto industrial como um avião é complicado, mas não constitui um sistema complexo nesse sentido: pertence ao domínio do que pode ser projetado explicitamente. Um grande modelo se aproxima mais de um sistema complexo, algo que foi “descoberto”. No treinamento de um grande modelo de linguagem, não se modificam diretamente seus parâmetros internos; usa-se feedback externo para orientar seus próprios ajustes até obter a saída esperada. De forma semelhante, preços de mercado não são cuidadosamente projetados por alguém. Surgem espontaneamente da interação e das disputas entre inúmeros participantes.

A incerteza é uma bênção, não uma maldição. É importante entender sua origem nos grandes modelos e colocar o problema no domínio correto. Estamos diante de uma área de engenharia nova, ainda no começo, com muito trabalho concreto, difícil e pouco glamoroso. Não podemos insistir no molde determinístico dos difficult problems.