🧠 Context Engineering Squad

Ingeniería de Contexto profesional para sistemas de IA — Diseña, genera y optimiza artefactos de contexto (CLAUDE.md, reglas, memoria de agentes) usando las mejores prácticas de 2026.

Autor: Luiz Gustavo Vieira Rodrigues (@gutomec)

Tabla de Contenidos

• Descripción General
• Instalación
• Pipeline
• Agentes
• Tareas
• Flujos de Trabajo
• Enfoques de Ingeniería de Contexto
• Mejores Prácticas 2026
• Artefactos Generados
• Uso
• Contribuciones
• Licencia

Descripción General

El Context Engineering Squad es un squad especializado de AIOS que implementa las metodologías más avanzadas de ingeniería de contexto para proyectos de IA. A diferencia del simple "prompt engineering", la ingeniería de contexto diseña sistemas completos de información que guían a los modelos de lenguaje con precisión, consistencia y eficiencia a lo largo de todo el ciclo de desarrollo.

Este squad orquesta cinco agentes especializados a través de un pipeline estructurado de cinco fases, desde el relevamiento de requisitos hasta la validación de calidad del contexto generado.

¿Para qué sirve?

• Crear y mantener archivos CLAUDE.md optimizados para proyectos
• Diseñar arquitecturas de contexto jerárquicas y escalables
• Generar reglas contextuales en

  .claude/rules/

• Configurar memoria persistente para agentes de IA
• Optimizar el uso de tokens sin perder información crítica
• Validar la calidad y coherencia del contexto generado

Instalación

npx squads add gutomec/squads-sh-aios/nirvana-context-engineering

Requisitos:

• AIOS Core 2.1 o superior
• Node.js 18+

Pipeline

El squad ejecuta un pipeline lineal de cinco fases, donde cada agente especializado entrega sus artefactos al siguiente:

Agentes

Tareas

Flujos de Trabajo

context_engineering_pipeline (5 fases)

Pipeline completo de ingeniería de contexto para proyectos nuevos o que requieren una arquitectura de contexto desde cero.

Fase 1 — Relevamiento: El Interviewer conduce sesiones estructuradas para entender el proyecto, su stack tecnológico, los agentes involucrados y las necesidades específicas de contexto.

Fase 2 — Análisis: El Scanner examina el repositorio, identifica archivos de configuración existentes, analiza patrones de código y detecta brechas o inconsistencias en el contexto actual.

Fase 3 — Diseño: El Architect sintetiza la información recopilada y diseña una arquitectura de contexto coherente, seleccionando los enfoques más apropiados para el proyecto.

Fase 4 — Generación: El Generator produce todos los artefactos definidos en la arquitectura, siguiendo las mejores prácticas y los estándares del proyecto.

Fase 5 — Optimización y Validación: El Optimizer revisa cada artefacto, optimiza el uso de tokens, asegura la coherencia entre artefactos y valida la calidad final.

context_optimization_cycle (iterativo)

Ciclo iterativo de mejora continua para proyectos con contexto existente. Ideal para mantenimiento y refinamiento progresivo.

Flujo: Scan → Detect Issues → Optimize → Validate → Loop (hasta convergencia)

Enfoques de Ingeniería de Contexto

El squad implementa cinco enfoques reconocidos en la industria, seleccionados según las características del proyecto:

1. RAG (Retrieval-Augmented Generation)

Recuperación dinámica de contexto relevante en tiempo de ejecución. Ideal para proyectos con grandes bases de conocimiento o documentación extensa que no cabe en el contexto estático.

2. ACE (Agentic Context Engineering)

Diseño de contexto específico para sistemas multi-agente. Los agentes gestionan y actualizan su propio contexto de forma autónoma, permitiendo adaptación dinámica durante la ejecución.

3. Hierarchical Layering (Capas Jerárquicas)

Organización del contexto en capas: global → proyecto → dominio → tarea. Cada capa hereda y especializa el contexto de la capa superior, reduciendo redundancia y facilitando el mantenimiento.

4. GCC (Git Context Controller)

Control de contexto versionado a través de Git. El contexto evoluciona junto con el código, con historial completo de cambios, ramas de contexto experimental y rollback ante regresiones.

5. Structured Files (Archivos Estructurados)

Organización explícita del contexto en archivos dedicados con formatos estandarizados. Base para los otros enfoques y punto de partida recomendado para proyectos nuevos.

Mejores Prácticas 2026

La ingeniería de contexto ha evolucionado significativamente. Estas son las prácticas recomendadas para el año 2026:

• Contexto mínimo viable: Incluir solo la información que el agente realmente necesita para cada tarea. El exceso de contexto reduce la precisión.
• Jerarquía clara: Separar contexto global (CLAUDE.md raíz) de contexto específico (.claude/rules/ por dominio).
• Versionamiento activo: Tratar los artefactos de contexto como código — commits descriptivos, revisiones en PR, tests de regresión.
• Validación continua: Verificar regularmente que el contexto sigue siendo preciso y relevante a medida que el proyecto evoluciona.
• Separación de responsabilidades: Cada archivo de reglas cubre exactamente un dominio o aspecto del sistema.
• Trazabilidad: Cada instrucción en el contexto debe tener un propósito explícito y rastreable a un requisito.

Artefactos Generados

El squad produce los siguientes artefactos de contexto:

.claude/rules/*.md

Uso

Comandos de Barra

Todos los comandos usan el prefijo

/ce

# Ejecutar el pipeline completo
/ce:pipeline

# Ejecutar tareas individuales
/ce:gatherRequirements
/ce:scanProject
/ce:designContextArchitecture
/ce:generateContextArtifacts
/ce:optimizeContext
/ce:validateContextQuality

# Ejecutar el ciclo de optimización iterativo
/ce:optimizationCycle

Activar Agentes Directamente

@ce-interviewer   # Activar el Interviewer para relevamiento
@ce-scanner       # Activar el Scanner para análisis
@ce-architect     # Activar el Architect para diseño
@ce-generator     # Activar el Generator para generación
@ce-optimizer     # Activar el Optimizer para optimización

Contribuciones

Las contribuciones son bienvenidas. Por favor:

1. Haz fork del repositorio
2. Crea una rama para tu funcionalidad:

   git checkout -b feat/mi-mejora

3. Realiza tus cambios siguiendo los estándares del proyecto
4. Envía un pull request con descripción detallada

Licencia

MIT © 2026 Luiz Gustavo Vieira Rodrigues (@gutomec)