Capitolo 6 — Il salto concettuale: context engineering
Chiudiamo il livello con l'idea che negli ultimi due anni ha riorganizzato il mestiere. Per un po' si è pensato che il gioco fosse trovare le parole magiche — il "prompt perfetto". Poi, con finestre di contesto enormi e modelli sempre più capaci, è diventato chiaro che la domanda decisiva è un'altra: cosa vede il modello quando risponde? Non come formuli la domanda, ma quale mondo di informazioni gli hai costruito intorno. Questo è il context engineering.
Il contesto è tutto ciò che sta nella finestra: system prompt, cronologia, documenti, esempi, istruzioni. E la scoperta contro-intuitiva è che di più non è meglio. Un contesto gonfio di materiale irrilevante non è neutro: diluisce il segnale, distrae il modello, degrada le risposte — il fenomeno ha perfino un nome, context rot. La bravura non sta nel riempire la finestra ma nel curarla: ogni informazione presente deve guadagnarsi il posto.
I principi operativi sono quattro. Rilevanza sopra quantità: il documento giusto batte dieci documenti forse-utili. Struttura: materiali delimitati ed etichettati (i tag del capitolo 2), istruzioni separate dai dati. Igiene della cronologia: nelle conversazioni lunghe, il vecchio che non serve più è rumore — meglio ripartire con una sintesi pulita che trascinarsi dietro tutto. Just-in-time: l'informazione ideale arriva quando serve, non caricata tutta all'inizio "per sicurezza". Quest'ultimo principio è un seme che pianterai nei prossimi livelli: recuperare l'informazione giusta al momento giusto è esattamente ciò che fa il RAG al Livello 3, e dare al modello strumenti per procurarsela da solo è ciò che fanno gli agenti al Livello 4. Il percorso è tutto qui dentro.
C'è anche una lettura pratica immediata: quando l'assistente ti delude, il riflesso condizionato è riformulare la domanda. Il riflesso giusto, il più delle volte, è cambiare il contesto — aggiungere il documento che mancava, togliere il rumore, esplicitare il vincolo taciuto.
L'esperimento del giorno. Scegli un compito su cui l'AI ti ha deluso di recente. Non toccare la formulazione della domanda: lavora solo sul contesto. Aggiungi il materiale giusto, elimina quello inutile, struttura con i tag. Misura la differenza. Poi completa il progetto del livello: la tua libreria di cinque prompt riutilizzabili, ognuno raffinato in almeno tre iterazioni — da oggi è il tuo attrezzo da lavoro.