Módulo 09

Ingeniería de contexto, memoria y caché

Fase del proceso:
Construir
Nivel de competencia:
Sénior
Tiempo estimado:
10-12 horas
Requisitos previos:
Interfaces estructuradas y contratos de herramientas

Diseña la información que reciben los modelos a lo largo de los turnos y de los flujos de trabajo. El módulo cubre la selección, el orden, la compresión, la persistencia, la reutilización y la caché de prompts o KV, sin mezclarlas.

Al terminar este módulo sabrás

  • Diseñar el montaje del contexto como un pipeline: seleccionar, ordenar, comprimir, persistir y reutilizar.
  • Distinguir el historial de la conversación, el estado de trabajo, la memoria duradera, la evidencia recuperada y el estado de la aplicación.
  • Mantener estables los prefijos y el orden de las herramientas cuando la caché de prompts mejora de forma apreciable la latencia o el costo.
  • Medir la calidad del contexto y la eficacia de la caché, en lugar de maximizar la longitud del contexto.

Qué vas a producir: Especificación de la arquitectura de contexto y política de compactación: La política de compactación, la distribución entre lo estable y lo dinámico, y la tabla de responsables de la memoria y del estado. Se guarda en tu Cuaderno de Ingeniería como evidencia de lo que sabes hacer.

Lecciones

  1. 9.1 El pipeline de contexto

    El contexto como un paquete diseñado: seleccionar, ordenar, comprimir y separar lo dinámico de lo estable.

    Punto de práctica: Compara repetir el historial completo con un paquete de contexto seleccionado, tanto en calidad como en tokens.

  2. 9.2 Memoria y estado

    El contexto del modelo frente al estado de la aplicación y la memoria duradera; responsable, conservación, origen, confianza, actualización y borrado.

    Punto de práctica: Diseña los registros de memoria de un asistente de proyectos sin guardar secretos ni suposiciones pasajeras como hechos duraderos.

  3. 9.3 Compactación y trabajo de larga duración

    Resúmenes, instantáneas del estado, referencias a artefactos y registros de traspaso que conservan las decisiones y la procedencia.

    Punto de práctica: Compacta un hilo largo y sintético de un incidente y comprueba que los hechos necesarios sobreviven.

  4. 9.4 Caché de prompts o KV y prefijos estables

    La caché de prompts del proveedor y la caché de prefijos KV en la inferencia propia; pon primero las partes estables y mide.

    Punto de práctica: Reordena un prompt cuya estructura impide la caché y, donde el proveedor lo admita, compara el comportamiento de la entrada cacheada y la latencia.

Laboratorio: Optimizador del presupuesto de contexto

Observas cómo se degrada el resultado cuando el contexto tiene ruido y, después, implementas un selector o compactador de contexto.

Se ejecuta en Google Colab: sin instalar nada y sin API key.

Ver el notebook en Colab (se abre en una pestaña nueva)

Reto de ingeniería

Refactoriza la traza de un agente de larga duración para conservar las decisiones y el estado de las herramientas y, al mismo tiempo, reducir el contexto en >=40% sin ninguna regresión en un conjunto de verificación.

Artefacto: Especificación de la arquitectura de contexto y política de compactación

Control de competencia

Regresión de calidad <= el umbral definido para el módulo; se alcanza el objetivo de reducción del contexto.

  • CTX-01 Se conservan los hechos necesarios
  • CTX-02 Se elimina el contexto desactualizado o irrelevante
  • CTX-03 El contexto estable y el dinámico están separados
  • CTX-04 Se respeta el presupuesto de contexto (crítico)
  • CTX-05 Está documentado quién es responsable de la memoria y del estado

Referencias

  • [R15]OpenAI API - Prompt Caching (se abre en una pestaña nueva): OpenAI; revisado el 2026-09-28
  • [R18]Enterprise Prompt and Context Engineering: An Engineering Design Process Curriculum for Foundation Model Systems (2026 Edition): User research (source document supplied to this project); revisado el 2026-09-28
    Ingeniería de contexto, memoria y caché · FMSE Módulo 9 | AgenticAI