Контекст-инжиниринг:
новые правила AI-агентов
Коротко: Anthropic удалила >80% системного промпта Claude Code — качество не упало, а выросло. Термин «context engineering» обозначает новый подход: контекст = skills + CLAUDE.md + memory, а не один монолитный промпт. Claude Opus 5 вышел 24 июля 2026 ($5 input / $25 output за 1M токенов, Fast mode ~2.5x быстрее). Мой пайплайн из 20 агентов сэкономил ~600 000 токенов/день после перехода на модульный контекст. Кто не перестроится — платит за собственный тормоз.
Что произошло 24 июля 2026?
Anthropic взяла системный промпт Claude Code — тот самый, который писала месяцами, который «содержал всё необходимое» — и удалила из него больше 80%. Модель стала работать лучше.
Это не баг. Это не случайность. Это свидетельство того, что большинство команд прямо сейчас делают своим AI-агентам хуже, пытаясь сделать лучше. Они пишут длинные системные промпты, набивают их правилами, примерами, контекстом — и платят за деградацию.
24 июля 2026 года Anthropic одновременно опубликовала «The New Rules of Context Engineering» (автор Thariq Shihipar) и выпустила Claude Opus 5. За первые сутки пост набрал 146 баллов и 92 комментария на Hacker News. Это не статья в блоге — это официальная смена позиции компании.
Ключевой факт: команда Anthropic при работе над Claude Code удалила больше 80% системного промпта. Результат — модель стала работать лучше. Не хуже, не так же — лучше.
В тот же день вышел Claude Opus 5. По данным Anthropic — новый SOTA на Frontier-Bench и CursorBench. Цена: $5 за 1M input-токенов, $25 за 1M output-токенов. Fast mode работает примерно в 2.5 раза быстрее стандартного. В Claude Code появилась команда /doctor — диагностика контекста прямо во время работы.
Почему это смена парадигмы?
До сих пор доминировала простая логика: чем подробнее системный промпт, тем лучше модель понимает задачу. Отсюда — промпты на 2000+ токенов, инструкции с примерами, правила на все случаи, «personality» на три абзаца.
Context engineering говорит ровно обратное. Монолитный промпт — это шум. Модель тратит внимание (буквально: attention window) на разбор правил, которые не нужны для конкретного запроса. При этом то, что реально нужно — текущий рабочий контекст, данные из памяти, инструменты — может оказаться вытолкнутым или проигнорированным.
Новая модель: контекст собирается динамически. Базовый профиль (CLAUDE.md) — короткий и стабильный. Конкретные навыки (skills-файлы) — подгружаются по задаче. Память — обновляется между сессиями. Инструменты через MCP — добавляют данные точечно, в момент вызова, а не заранее.
Паттерн знакомый. Именно так работает чистая архитектура в коде: не один God-object, а модульные компоненты с единственной ответственностью. Context engineering — это SOLID-принципы для контекста AI. При Opus 5 с его $25/1M output — цена неэффективного внимания считается напрямую в деньгах.
Как выглядит новая архитектура?
Представь, что ты нанимаешь сотрудника. Старый подход — дать ему на первый день папку на 200 страниц: «вот всё, что ты должен знать». Новый подход — дать ему короткий профиль компании и сказать: «остальное найдёшь в конкретных регламентах, когда понадобится».
Профиль компании. Короткий. Стабильный. Кто ты, какие приоритеты, как принимаешь решения. Не список правил на каждый случай — принципы. Не более 200 токенов.
Регламенты по задачам. Агент работает с кодом — подгружает coding-skill. Пишет контент — content-skill. Каждый файл узкий, конкретный, 80-120 токенов.
То, что агент помнит между сессиями. Не хранится в промпте постоянно — извлекается по релевантности в момент, когда нужно.
Данные из внешних систем. CRM, база знаний, календарь — подключаются в момент вызова, не в промпте. Токены тратятся только когда нужны.
В результате системный промпт каждого агента становится коротким: 200-350 токенов вместо 800-1200. А суммарный контекст при этом богаче — потому что он живой, а не жёстко зашитый. Команда /doctor в Claude Code делает аудит прямо в сессии: показывает что раздувает контекст, где конфликтующие инструкции, что вынести в skills.
Мой кейс Content Factory: реальные цифры
У меня пайплайн из 20 субагентов. Каждый отвечает за свою часть производства контента: исследование, аналитика, написание, верификация фактов, форматирование под площадки, SEO, перевод и так далее.
Раньше каждый агент имел монолитный системный промпт: 800-1200 токенов только на инструкции роли. Часть была универсальной (тон голоса, правила факт-чека), часть — специфической, часть — дублировалась между агентами.
Экономия на один вызов: ~630 токенов. Считаем: 20 агентов × 50 вызовов в день × 630 токенов = 630 000 токенов/день только на input-экономии. При цене Opus 5 $5/1M — это $3.15/день. Умножь на 30 — $94/месяц с одного пайплайна.
Не пенсия. Но при 10× нагрузке — $940/месяц. При 100× (агентское агентство, платформа) — $9 400/месяц. Принцип масштабируется линейно. При этом качество вывода не упало — некоторые агенты стали выдавать более чистый результат именно потому, что системный промпт перестал «размывать» их задачу лишними правилами.
Экономика — что заинтересует CFO
Opus 5: $5/1M input, $25/1M output. Это не самая дешёвая модель на рынке. По данным Anthropic — самая мощная на benchmarks. И это меняет расчёт.
Реальная стоимость раздутого контекста — это не только токены. Это attention-waste: модель «думает» о лишних правилах и выдаёт менее точный ответ на реальный вопрос. Fast mode ~2.5x быстрее — это отдельная история для команд, где AI используется интерактивно. 2.5x ускорение на 60 запросах в день — это часы возвращённого времени в неделю.
Что умирает, что живёт
Конкретный план на следующие 5 дней
Раскладка: соло-фаундерам vs B2B-командам
Context engineering — это не рокет-сайенс. Это дисциплина. Три правила, которые работают сразу:
Начни с одного агента. Убери из его системного промпта всё, что не является уникальным для него. Посмотри, что изменилось. Займёт 2 часа — понимание останется навсегда.
Три вопроса для немедленного аудита:
Context Engineering Starter Kit
Я собрал готовый набор: 3 skills-файла для Claude Code (agent-role / memory / tools), чек-лист аудита по /doctor и шаблон CLAUDE.md для соло-пайплайна. Напишите club в личку — пришлю файлы.
Бесплатный 20-минутный context audit
Если у вас 3+ AI-агентов или автоматизированный AI-пайплайн — смотрим ваш текущий system prompt, считаем стоимость раздутого контекста, даём план перехода с ROI-расчётом. Напишите swarm audit — договоримся на сессию.
Написать в @Aleks_OTA →Часто задаваемые вопросы
Что такое context engineering и чем он отличается от prompt engineering? ▼
Prompt engineering — это написание правильного запроса. Context engineering — это управление тем, что вообще оказывается в контексте модели: CLAUDE.md (короткий профиль), skills-файлы (навыки по задаче), память (между сессиями) и MCP-инструменты (данные по запросу). Anthropic удалила >80% системного промпта Claude Code и качество выросло — потому что монолитный промпт это шум, а не сигнал.
Почему Anthropic удалила 80% системного промпта Claude Code? ▼
Монолитный промпт тратит attention-window модели на правила, которые не нужны для конкретного запроса. Команда Anthropic перешла на модульную архитектуру: короткий CLAUDE.md + skills-файлы по задаче + память + MCP. Системный промпт упал с 800-1200 токенов до 200-350. Результат — модель «думает» о реальной задаче, а не разбирает инструкции на всё про всё.
Сколько токенов экономит модульный контекст на реальном пайплайне? ▼
На пайплайне из 20 субагентов: средний системный промпт упал с 900 до 270 токенов = экономия 630 токенов на вызов. 20 агентов × 50 вызовов × 630 = 630 000 токенов/день. При цене Opus 5 $5/1M input — $3.15/день, $94/месяц с одного пайплайна. При платформенном масштабе 100× — $9 400/месяц прямой экономии.
Что такое Claude Opus 5 и сколько он стоит? ▼
Claude Opus 5 вышел 24 июля 2026 года. По данным Anthropic — новый SOTA на Frontier-Bench и CursorBench. Цена: $5 за 1M input-токенов, $25 за 1M output-токенов. Fast mode работает примерно в 2.5 раза быстрее стандартного. В Claude Code появилась команда /doctor для диагностики контекста в реальном времени.
Как начать переход на context engineering за одну неделю? ▼
День 1: запусти /doctor в Claude Code, зафикси базовую линию токенов. День 2: вынеси универсальную часть в CLAUDE.md (не более 200 токенов). День 3: создай 2-3 skills-файла для самых частых задач. День 4: замерь качество и экономию на 100 вызовах. День 5: перенеси хотя бы один источник данных на MCP. Даже один агент без полного перехода получит улучшение после дня 2.
Что такое команда /doctor в Claude Code? ▼
Команда /doctor — инструмент диагностики контекста, появившийся вместе с Claude Opus 5. Запускается прямо в рабочей сессии Claude Code. Показывает что раздувает контекст, где есть конфликтующие инструкции, что можно вынести в skills-файлы. Это первый шаг перехода на context engineering — без /doctor непонятно, от чего именно избавляться.