Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
IndustriaAnálisis · En radarHabr AI→ original

Claude Code y Cursor: cómo la ingeniería de contexto convierte la memoria de la IA en una herramienta de trabajo

Los asistentes de IA para programar siguen olvidándolo todo al cerrar el chat, así que los equipos pierden tiempo repitiendo su stack, sus reglas y sus decisiones pasadas. La solución es la ingeniería de contexto: desde CLAUDE.md y AGENTS.md hasta reglas globales, memoria automática, MCP y esquemas más pesados con RAG. La meta es una capa de conocimiento persistente que sobreviva a cada sesión y acelere el trabajo de todo el equipo.

Procesado por IA desde Habr AI; editado por Hamidun News
Claude Code y Cursor: cómo la ingeniería de contexto convierte la memoria de la IA en una herramienta de trabajo
Fuente: Habr AI. Collage: Hamidun News.
Escuchar artículo

Los asistentes de IA para desarrollo son notablemente más potentes, pero persiste un problema básico: casi cada nueva sesión empieza perdiendo el contexto acumulado. El modelo no recuerda qué stack usa el equipo, qué convenciones rigen en el proyecto, por qué el puerto se cambió hace tiempo del 8501 al 8505 ni qué componentes ya resultaron una mala elección. Como resultado, el desarrollador reproduce una y otra vez los mismos datos de partida.

El artículo sobre ingeniería de contexto propone ver esto no como un defecto inevitable, sino como una tarea de ingeniería: la memoria puede sacarse a una capa independiente y convertirse en parte del flujo de trabajo.

La distinción clave es entre memoria a corto y a largo plazo. La de corto plazo vive dentro de una sola ventana de contexto: el chat actual, los archivos abiertos, las acciones recientes. Cuando termina la sesión, esa memoria desaparece. Por eso, sin ajustes adicionales, el asistente puede proponer primero un dashboard en React, pasarse a Streamlit tras una corrección y solo al tercer intento tener en cuenta Altair y el resto de los requisitos. Cada iteración parece una nimiedad, pero a la larga se convierte en un constante «impuesto de repetición». Cuantos más proyectos y participantes tiene el equipo, más caro resulta no contar con un contexto estable.

El primer nivel de solución, y el más práctico, son los archivos de reglas explícitos dentro del proyecto. Según la herramienta, pueden ser CLAUDE.md, AGENTS.

md o directorios con archivos de reglas. Conviene fijar en ellos el stack, las convenciones de interfaz y estilo de código, los comandos de ejecución, pruebas y linting, y las decisiones históricas importantes que cuesta explicar de nuevo en cada sesión. Si el equipo prefiere iconos Material en lugar de emojis, un diseño ancho en Streamlit, Altair para los gráficos y mecanismos de caché concretos, lo mejor es describirlo todo una vez, junto al código.

La ventaja de este enfoque es que vive en el control de versiones: un desarrollador nuevo clona el repositorio y, con él, el asistente recibe un conjunto de reglas de juego ya listo.

La siguiente capa son las reglas globales, que no se refieren a un proyecto concreto, sino al estilo de trabajo del usuario o del equipo. Aquí ya no hace falta una lista de librerías y puertos; importa más definir el formato de las respuestas, las exigencias de integridad del código, la actitud hacia los comentarios, el enfoque de optimización y la elección entre concisión y legibilidad. La idea es separar el contexto técnico del conductual. Los detalles tecnológicos deben estar en el proyecto y las preferencias estables, en el nivel global.

El material menciona además un formato de habilidades más portable, en el que al asistente se le dan no solo reglas de comportamiento, sino también procedimientos para ejecutar tareas habituales. Esto acerca las herramientas de IA al modo de trabajo de un empleado real: se le dan no solo los datos de partida, sino también formas estándar de actuar.

Los niveles más avanzados tienen que ver con la memoria implícita y la infraestructura externa. Aquí entran sistemas que recopilan por sí mismos las huellas del trabajo: fragmentos de código, actividad en el IDE, historial del navegador, conclusiones de depuración y patrones del proyecto. Entre los ejemplos, el artículo cita Pieces, la memoria automática de Claude Code y mecanismos en la nube como ChatGPT Memory. Aquí empieza a cobrar importancia el Model Context Protocol, o MCP: ofrece una forma unificada de conectar el asistente con fuentes de datos externas, en lugar de construir integraciones únicas para cada herramienta.

Para los equipos que necesitan una capa completa de memoria organizativa existe un camino aún más pesado: servicios como Mem0, Zep y Supermemory, o una infraestructura RAG propia basada en Pinecone y Weaviate. Pero ya no es un ajuste «para una tarde», sino un sistema de ingeniería aparte, con sus propios costes de embeddings, búsqueda, deduplicación y resolución de contradicciones en los datos.

La conclusión principal es bastante terrenal: a la mayoría de los equipos no les hace falta de entrada un memory stack complejo. Basta con empezar por un archivo de reglas en la raíz del proyecto, fijar el stack, los comandos y las convenciones, y luego ir pasando poco a poco los hábitos repetitivos a los ajustes globales. Si tras una sesión productiva se le pide al asistente que resuma brevemente lo que ha aprendido, esa capa de conocimiento crecerá sin caos.

A fecha de 11 de abril de 2026, el autor del artículo ya señalaba que grandes actores como Anthropic habían empezado a integrar de hecho la memoria en sus herramientas, pero que los modelos en sí siguen siendo stateless. Ese es el principal cambio de óptica: el problema no es que los LLM sean «malos», sino que el contexto hay que diseñarlo con tanta conciencia como el código, los pipelines y la documentación. Los equipos que lo entiendan antes que otros obtendrán no magia, sino una aceleración sostenida del desarrollo.

Historia
ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…