Fogalomtár › Alapok

kontextus-tervezés

angolul: context engineering

Annak tudatos megtervezése, hogy az AI egy feladathoz pontosan milyen információkat, utasításokat és eszközöket kapjon meg, se többet, se kevesebbet.

Érthetően

Képzeld el, hogy egy új kollégának adsz át egy ügyet. Nem mindegy, mit teszel az asztalára: ha semmit, találgatni fog, ha az egész irattárat, elveszik benne. A jó átadás azt jelenti, hogy pont azt a néhány dossziét kapja meg, amire a feladathoz szüksége van. A kontextus-tervezés ugyanez, csak az AI-nak szól.

A nyelvi modell csak azt „látja”, ami éppen előtte van: az utasításokat, a beszélgetés eddigi részét, a csatolt dokumentumokat, a keresési találatokat és az eszközei leírását. Ez együtt a kontextus. A helye véges, és minél több benne a felesleges anyag, annál könnyebben siklik el a modell figyelme a lényeg fölött.

A kontextus-tervezés ezért nem egyetlen ügyes mondat megfogalmazása. Egy egész rendszert kell összerakni, amely eldönti, mi kerüljön a modell elé, mikor, milyen formában, és mi maradjon ki. Különösen fontos ez az agenteknél, amelyek hosszan, sok lépésben, önállóan dolgoznak, és közben folyamatosan gyűlik náluk az információ.

Hogyan működik

1. Először azt kell tisztázni, mit kell a modellnek tudnia a feladathoz: mi a cél, mik a szabályok, milyen háttérismeret és milyen eszköz kell hozzá.
2. A rendszer ezután előkeresi a szükséges anyagot, például a releváns dokumentumrészleteket, a korábbi beszélgetés fontos pontjait vagy a felhasználó beállításait, és csak ezt teszi a modell elé.
3. Ami hosszú, azt tömöríti: a régi beszélgetésrészekből összefoglaló lesz, a nagy fájlokból csak a lényeges rész marad bent.
4. Hosszabb munkánál az agent jegyzeteket ír magának egy külső tárba, és onnan veszi elő, amikor újra kell, így nem a szűkös „munkaasztalán” kell mindent tartania.
5. A fejlesztők végül mérik, hogy a modell jobban teljesít-e, és ennek alapján finomítják, mi kerüljön be és mi maradjon ki.

Példa a mindennapokból

Kit érint

Gyakori félreértés

Korlátok és kockázatok

• A jó kontextus sem pótolja a modell hiányzó képességeit, és a tévedéseket csak ritkítja, nem szünteti meg.
• Ha a modell elé kerülő anyag hibás, elavult vagy rosszindulatú utasítást rejt, a modell azt is készpénznek veheti.
• Nincs rá egyetlen bevált recept: ami az egyik feladatnál vagy modellnél működik, a másiknál nem biztos, ezért folyamatosan mérni és igazítani kell.
• Amit a kontextusba teszel, azt a szolgáltató rendszere feldolgozza, ezért személyes vagy üzleti titkot csak megfontoltan adj meg.

Hasonló, de nem ugyanaz

• promptírás (prompt engineering) – A promptírás az utasítás megfogalmazására figyel. A kontextus-tervezés viszont mindenre, ami a modell elé kerül, az adatokra, az előzményekre és az eszközökre is.
• visszakereséssel bővített generálás (RAG) – A RAG egy konkrét technika a releváns dokumentumok előkeresésére. A kontextus-tervezés az a tágabb gyakorlat, amelynek ez az egyik eszköze.
• finomhangolás – A finomhangolás magát a modellt tanítja tovább. A kontextus-tervezés a modellt változatlanul hagyja, és csak azt alakítja, mit kap bemenetként.

Kapcsolódó fogalmak

Röviden a története

A kifejezés 2025 nyarán terjedt el, amikor ismert szakmai szereplők, köztük Tobi Lütke, a Shopify vezérigazgatója, és Andrej Karpathy AI-kutató, a „prompt engineering” helyett kezdték használni, mert szerintük jobban kifejezi, miről szól ez a munka. Az Anthropic 2025 őszén külön útmutatót adott ki arról, hogyan érdemes agentek kontextusát megtervezni.

Hol tart most

2026 végére az AI-fejlesztők körében bevett szakszó és az agentépítés egyik alapgyakorlata lett. A szélesebb közönség még inkább a promptírás nevét ismeri, egységes módszertana pedig nincs.

Állapot: 2026. november

Más nevei

kontextus-tervezés · kontextustervezés · kontextusmérnökség · kontextusépítés · context engineering

Források

• Anthropic: Effective context engineering for AI agents

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.