Última revisión: 2026-05-19

Context Engineering: cómo trabajar bien con IA en tu flujo de desarrollo

Más allá de los prompts básicos: cómo estructurar contexto, crear sistemas de IA y automatizar tu flujo de desarrollo con asistentes inteligentes.

ia context-engineering prompts automatizacion flujo-trabajo

Ya sabes usar la IA para explicar conceptos y generar código básico. Pero hay un nivel superior: Context Engineering. No se trata de escribir mejores prompts — se trata de diseñar sistemas donde la IA tiene el contexto correcto, en el momento correcto, con las restricciones correctas.

En esta guía vas a aprender a estructurar contexto para IA, crear flujos de trabajo repetibles y automatizar partes de tu desarrollo con asistentes inteligentes.

¿Qué es Context Engineering?

Context Engineering es la disciplina de diseñar, estructurar y gestionar la información que le das a un modelo de IA para que produzca resultados consistentes y de alta calidad.

Un prompt aislado es como una conversación con un desconocido. Context Engineering es como trabajar con un colega que conoce tu proyecto, tus convenciones, tu arquitectura y tus restricciones.

Los cuatro pilares

Contexto del proyecto: estructura, tecnologías, convenciones
Contexto de la tarea: qué estás intentando hacer, qué ya probaste
Contexto del dominio: reglas de negocio, restricciones técnicas
Contexto de calidad: estándares, patrones, anti-patrones a evitar

El problema del contexto limitado

Los LLMs tienen un context window finito: la cantidad de texto que pueden procesar en una sola conversación. Si tu proyecto tiene 50 archivos y 10,000 líneas de código, no puedes pegarlo todo en un prompt.

Estrategias para manejar contexto limitado

1. Archivos de contexto

Crea un archivo CONTEXT.md o AGENTS.md en la raíz de tu proyecto:

# Mi Proyecto — Contexto

## Stack
- Frontend: React + TypeScript + Tailwind
- Backend: Hono + TypeScript + PostgreSQL
- Testing: Vitest + Playwright

## Convenciones
- Funciones en inglés, contenido en español
- Programación funcional preferida sobre OOP
- Tailwind para estilos, sin CSS separado
- CVA + cn para componentes

## Estructura
src/
├── components/   # Componentes UI reutilizables
├── pages/        # Rutas y páginas
├── lib/          # Utilidades y configuraciones
└── content/      # Contenido Markdown

Copia este archivo al inicio de cada conversación con IA.

2. Contexto por archivo

En vez de pegar todo el proyecto, pega solo los archivos relevantes:

Estoy trabajando en src/components/LoginForm.tsx.
Aquí está el código actual:

[pegar archivo]

Necesito agregar validación con Zod.
Aquí está el schema que ya tengo en src/schemas/auth.ts:

[pegar schema]

3. Contexto incremental

Empieza con lo general y ve agregando detalle según la IA lo necesite:

1. "Tengo una API de tareas con Hono y PostgreSQL"
2. [La IA responde]
3. "Aquí está el endpoint que estoy modificando:" [pegar código]
4. [La IA responde]
5. "El error que me da es:" [pegar error]

Sistemas de prompts reutilizables

Templates de prompts

Crea templates para tareas recurrentes:

## Template: Code Review

Revisa este código y evalúa:
1. ¿Hay bugs potenciales?
2. ¿Se pueden mejorar los nombres?
3. ¿Hay código duplicado que se puede extraer?
4. ¿El manejo de errores es adecuado?

Código:
[pegar código]

---

## Template: Generar Tests

Genera tests unitarios para esta función.
Incluye: casos normales, edge cases, casos de error.

Función:
[pegar función]

Framework de testing: [Vitest/Jest/etc]

Prompts de sistema

Algunos LLMs permiten configurar un system prompt que se aplica a toda la conversación:

Eres un desarrollador senior especializado en TypeScript y PostgreSQL.
Tu estilo es directo y pragmático.
Siempre explica el POR QUÉ, no solo el CÓMO.
Si ves un problema de diseño, menciónalo aunque no te lo pregunten.
Prefiere soluciones simples sobre arquitecturas complejas.

Herramientas de Context Engineering

Cursor / Copilot / Claude Code

Estos editores con IA integrada tienen acceso a tu códigobase:

Cursor: indexa tu proyecto y puede buscar archivos relevantes automáticamente
GitHub Copilot: sugiere código basado en el archivo actual y archivos abiertos
Claude Code: agente CLI que puede leer, editar y ejecutar código en tu proyecto

Reglas de proyecto

Muchos editores permiten configurar reglas que se aplican automáticamente:

// .cursorrules o .github/copilot-instructions.md
- Usar TypeScript estricto
- Preferir funciones puras sobre clases
- Tailwind para estilos
- Nunca usar any
- Validar inputs con Zod

Skills y agentes

Herramientas más avanzadas permiten crear skills — instrucciones especializadas para tareas específicas:

# Skill: Database Migration

Cuando el usuario pida crear una migración:
1. Revisar el schema actual de Prisma
2. Identificar los cambios necesarios
3. Generar el SQL de la migración
4. Explicar los riesgos (datos existentes, downtime)

Flujo de trabajo con IA

El ciclo ideal

1. Definir la tarea → ¿Qué necesito hacer?
2. Preparar contexto → Archivos relevantes, convenciones, restricciones
3. Prompt inicial → Descripción clara de lo que necesitas
4. Revisar resultado → ¿Funciona? ¿Es correcto? ¿Sigue convenciones?
5. Iterar → Ajustar prompt, agregar contexto, pedir cambios
6. Verificar → Tests, build, lint
7. Integrar → Commit con mensaje descriptivo

Anti-patrones comunes

❌ "Hazme una app de tareas"
→ Demasiado vago, sin contexto, sin restricciones

❌ [Pegar 20 archivos sin contexto]
→ La IA no sabe qué mirar ni qué hacer

❌ [Copiar la primera respuesta sin revisar]
→ Puede tener bugs, no seguir convenciones, o ser inseguro

✅ "Necesito agregar autenticación JWT a mi API de Hono.
   Aquí está el archivo de rutas actual y el schema de usuarios.
   Usa el paquete 'hono/jwt'. No modifiques la estructura de la BD."
→ Contexto específico, restricciones claras, archivos relevantes

Automatización con IA

Scripts generados por IA

# Pídele a la IA que genere scripts para tareas repetitivas
# "Genera un script que encuentre todos los archivos .ts sin tests asociados"

#!/bin/bash
for file in $(find src -name "*.ts" -not -name "*.test.ts"); do
    test_file="${file%.ts}.test.ts"
    if [ ! -f "$test_file" ]; then
        echo "Sin test: $file"
    fi
done

CI/CD asistido por IA

# "Genera un workflow de GitHub Actions para mi proyecto Hono + PostgreSQL"
name: CI
on: [push, pull_request]
jobs:
  test:
    runs-on: ubuntu-latest
    services:
      postgres:
        image: postgres:17
        env:
          POSTGRES_PASSWORD: test
    steps:
      - uses: actions/checkout@v4
      - uses: pnpm/action-setup@v4
      - run: pnpm install
      - run: pnpm test
        env:
          DATABASE_URL: postgres://postgres:test@localhost:5432/test

Por qué importa

Context Engineering es la diferencia entre:

IA como juguete: “explícame qué es un array” → respuesta genérica
IA como herramienta: “revisa mi implementación de binary search en TypeScript, aquí está el código y los tests que fallan” → feedback específico y accionable

El developer que domina Context Engineering es 5-10x más productivo que el que solo escribe prompts básicos.

La IA y Context Engineering

Lo bueno

La IA puede ayudarte a mejorar tu Context Engineering: pídele que analice tu proyecto y genere un archivo de contexto.
Iteración rápida: si el contexto no es suficiente, la IA te dice qué más necesita.
Automatización: la IA genera scripts, configs y workflows basados en tu contexto.

Lo que no debes hacer

No compartas contexto con datos sensibles (API keys, passwords, datos de usuarios).
No asumas que la IA recuerda contexto entre sesiones. Cada conversación empieza de cero.
No delegues decisiones arquitectónicas al contexto solo. El contexto informa, pero tú decides.

Desafío: crea tu sistema de contexto

Objetivo: construir un sistema de contexto para tu proyecto.

Tu tarea:

Crea un archivo CONTEXT.md en tu proyecto con:
- Stack tecnológico
- Convenciones de código
- Estructura de carpetas
- Comandos esenciales
Crea 3 templates de prompts para tareas que haces frecuentemente (ej: crear componente, agregar endpoint, escribir tests)
Configura reglas de proyecto en tu editor (.cursorrules, copilot-instructions, etc.)
Usa tu sistema de contexto en una tarea real y evalúa si mejoró la calidad de las respuestas

Bonus: crea un skill personalizado para una tarea específica de tu proyecto.

Para seguir explorando

Anthropic — Building Effective Agents — guía sobre agentes de IA.
Prompt Engineering Guide — técnicas avanzadas de prompting.
Cursor Documentation — cómo funciona el contexto en Cursor.

Resumen

Context Engineering es diseñar sistemas de contexto para IA, no solo escribir prompts.
Los cuatro pilares son: contexto del proyecto, de la tarea, del dominio y de calidad.
Archivos de contexto (CONTEXT.md, AGENTS.md) dan a la IA la información base de tu proyecto.
Los templates de prompts reutilizan estructuras para tareas recurrentes.
El contexto incremental (empezar general, agregar detalle) es más efectivo que pegar todo de una vez.
Herramientas como Cursor, Copilot y Claude Code automatizan la gestión de contexto.
El developer que domina Context Engineering es significativamente más productivo.

Con esto completas el Yellow Belt. En el Green Belt vamos a construir aplicaciones fullstack reales: frameworks, autenticación, bases de datos, testing y deployment.