INTERMEDIO · 8 MÓDULOS · 64 LECCIONES
Context engineering
Decide con disciplina qué entra en la ventana de contexto de un modelo: presupuesta tokens, ordena y comprime la información y mide el efecto de cada cambio.
- Es para ti si
- Construyes apps con LLM sobre documentos y quieres pasar de escribir buenos prompts a presupuestar el contexto.
- Al terminar
- Sabrás versionar un system prompt, elegir contenido bajo un límite de tokens, resumir historiales largos y mitigar el exceso de contexto.
- Necesitas
- Fundamentos de prompting y Python básico instalado. No necesitas llave de API ni internet.

Temario
01Qué es context engineering
- Módulo 1: Qué es context engineering
- El prompt es solo un componente
- La anatomía de una ventana de contexto
- El contexto como presupuesto de recursos
- El Asistente de Soporte de Reservo y el corpus
- El contexto ingenuo: midiendo la base
- Por qué más contexto no es mejor
- Mini-proyecto: mapea y mide una ventana de contexto
02System prompts e instrucciones
- Módulo 2: System prompts e instrucciones
- El system prompt como ítem del presupuesto
- Dónde va el system prompt: el parámetro `system` de nivel superior
- Reglas para usar los documentos
- Manejo de información faltante
- Instrucciones de formato de salida
- Auditando el system prompt: `lint_system_prompt`
- Mini-proyecto: el system prompt del Asistente de Reservo
03Estructurando la ventana de contexto
- Módulo 3: Estructurando la ventana de contexto
- El orden de los bloques
- Delimitadores y por qué ayudan
- Posición y el efecto "lost in the middle"
- Ensamblando el contexto con `assemble_context()`
- Un validador estructural como eval de forma
- Tags XML para contenido largo
- Mini-proyecto: un contexto estructurado para el asistente
04Seleccionar contenido bajo un presupuesto de tokens
- Módulo 4: Seleccionar contenido bajo un presupuesto de tokens
- El problema del presupuesto de tokens
- Selección greedy por score de relevancia
- Deduplicando chunks casi idénticos
- Poniendo un tope por fuente
- Cuando el mejor subconjunto no entra completo
- Midiendo seleccionados contra disponibles
- Mini-proyecto: un selector consciente del presupuesto
05Compaction (resumir historial y resultados largos)
- Módulo 5: Compaction (resumir historial y resultados largos)
- Por qué crece el historial y qué compactar
- Extrayendo campos clave a un registro estructurado
- Resumiendo un resultado largo
- Compactación en dos etapas para sesiones largas
- Qué debe preservar una compactación
- Yendo más allá de agent-fundamentals M6
- Mini-proyecto: una pasada de compaction para el Asistente
06Few-shot examples como línea de presupuesto
- Módulo 6: Few-shot examples como línea de presupuesto
- Few-shot como línea de presupuesto
- Cuándo los ejemplos ayudan y cuándo no
- Cuántos ejemplos caben
- Dónde van los ejemplos en la estructura
- El costo de un ejemplo contra un chunk de documento
- Seleccionando ejemplos por categoría de pregunta
- Mini-proyecto: un bloque de few-shot presupuestado
07Context rot, isolation y medir cambios de contexto
- Módulo 7: Context rot, isolation y medir cambios de contexto
- Qué es context rot
- Simulando la degradación a medida que el contexto crece
- Midiendo una señal de forma con y sin las técnicas
- Isolation: darle a una sub-tarea su propia ventana limpia
- El hábito de medir antes y después
- Armando el loop de medición completo
- Mini-proyecto: medir un cambio de contexto
08El pipeline de contexto de soporte de Reservo (proyecto)
- Módulo 8: El pipeline de contexto de soporte de Reservo (proyecto)
- El brief: un presupuesto de contexto para el Asistente
- Ensamblando `build_context()`
- El payload ingenuo contra el engineered
- Corriendo una conversación de varios turnos
- Midiendo la mejora
- Lo que el Asistente todavía necesita
- Proyecto: el pipeline de contexto de soporte de Reservo
Reseñas
Lo que dicen los estudiantes
Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.
Aún no hay reseñas aprobadas.
¡Sé el primero en compartir tu experiencia!