Los agentes de programación con IA no suelen fallar porque el modelo se haya vuelto inútil de repente, muchas veces fallan porque el contexto se ha ensuciado. A medida que se llena la ventana de contexto, el modelo pierde precisión y coherencia, y es más fácil que se deje llevar por previas suposiciones obsoletas en la conversación. Puede que edite el archivo equivocado, vuelva a introducir un bug, se olvide de alguna restricción o resuelva una versión antigua del problema. Eso es la contaminación del contexto.
La ventana de contexto no es una memoria de verdad. Es el conjunto de trabajo actual del modelo: instrucciones, archivos, logs de la terminal, stack traces, intentos anteriores, salidas de herramientas, decisiones y tu última petición. Cuando ese conjunto está limpio, el modelo razona mejor. Cuando está saturado, cada token irrelevante compite con la información que de verdad importa en ese momento.
Por eso, los ingenieros que trabajan con herramientas como Codex, Claude Code, OpenCode y Cursor no tratan una tarea larga como una conversación interminable, lo que hacen es dividir el trabajo en fases: investigación, alcance, diseño, configuración, implementación, integración, pruebas, refactorización y documentación. Cada fase tiene un objetivo claro, un conjunto acotado de archivos relevantes, una definición clara de «terminado» y un breve traspaso antes de pasar a la siguiente.
Un buen flujo de trabajo es sencillo: guarda el plan en plan.md, divídelo en fases, completa una, actualiza el plan, resume lo que ha cambiado y después decide si usar /compact o abrir una sesión nueva. La idea no es conservar toda la conversación, sino conservar el estado necesario para dar el siguiente paso correcto.
Usa /compact cuando la sesión actual siga yendo en la buena dirección pero esté demasiado cargada. El comando comprime la conversación en un resumen más corto que mantiene las decisiones importantes, los archivos, las restricciones y el estado actual, y descarta buena parte del ruido operativo. Viene muy bien entre fases, cuando el plan sigue siendo válido, la arquitectura sigue estando clara y quieres continuidad sin arrastrar cada comando, cada log y cada intento fallido.
Abre una sesión nueva cuando el contexto no solo esté lleno, sino contaminado. Si el agente sigue aferrado a suposiciones antiguas, mezcla enfoques descartados con los actuales, se empeña en tocar la parte equivocada del código o la tarea ha cambiado de rumbo, compactar puede acabar arrastrando parte de esa confusión. En esos casos, suele funcionar mejor empezar de cero con un buen traspaso en plan.md: objetivo actual, trabajo completado, archivos modificados, problemas conocidos, estado de las pruebas y siguiente tarea.
Por eso también OpenAI y Anthropic hablan tanto de gestión del contexto, compactación, memoria, agent harnesses, subagentes y flujos de trabajo de larga duración. OpenAI describe la gestión del contexto como uno de los grandes retos en las tareas agénticas de envergadura y recomienda darle a Codex un mapa en lugar de un manual de instrucciones enorme. Anthropic presenta la compactación como una forma de resumir una ventana de contexto casi llena y seguir trabajando con un conjunto más limpio.
El prompt engineering fue la primera capa. La ingeniería de contexto es la siguiente. Los mejores ingenieros de IA no solo saben pedirle bien las cosas al modelo: también saben gestionar el entorno en el que trabaja.
Un contexto limpio da lugar a un razonamiento más fino. Un contexto contaminado hace que hasta los modelos más potentes parezcan tontos.
Así que la próxima vez que tu agente de programación empiece a tomar decisiones extrañas, no le eches la culpa al modelo sin más. Mejor pregúntate: ¿sigue el contexto lo bastante limpio para esta tarea? A veces lo más inteligente es guardar el plan, terminar la fase actual, compactar si la sesión sigue en buen estado o empezar una sesión nueva si el contexto ya está contaminado.
Lecturas recomendadas:
- OpenAI — Harness engineering: leveraging Codex in an agent-first environment
- Documentación de OpenAI Codex — Context management, compaction y subagents
- Anthropic — Claude Code best practices
- Anthropic — Effective context engineering for AI agents
- Anthropic — Context compaction for long-running conversations and agentic tasks
