Administra el contexto como un recurso
Una conversación larga no es gratuita. A medida que un hilo crece, las instrucciones anteriores quedan enterradas, el modelo se apoya más en los mensajes recientes, y los detalles que indicaste hace veinte turnos silenciosamente dejan de importar. Imagina la (el espacio de texto que el modelo puede "ver" a la vez) como una caja de tamaño fijo: a medida que la conversación crece se va llenando, y tus primeras instrucciones son empujadas hacia el fondo, donde el modelo les presta la menor atención:
early turn long conversation
┌──────────────┐ ┌──────────────┐
│ SPEC (clear) │ │ chatter │ ◀ recent (heeded)
│ │ │ chatter │
│ │ │ fix attempt │
│ │ │ old code v3 │
│ │ ───▶ │ old code v2 │
│ │ ├──────────────┤
│ │ │ SPEC (buried)│ ◀ ignored
└──────────────┘ └──────────────┘
│ XXXXXXXXXXXX │ ◀ pushed out
└──────────────┘
Trata la ventana de contexto como una superficie de trabajo de la que eres responsable de mantener limpia, no como una memoria infinita.
Unos cuantos hábitos ayudan:
- Reformula la especificación cuando cambies de rumbo. No asumas que un requisito de hace diez mensajes todavía es válido. Resume el objetivo actual en un párrafo corto y deja que la IA trabaje a partir de ahí.
- Empieza de cero para un problema nuevo. Cuando pases del código de autenticación a un error de CSS (Cascading Style Sheets — Hojas de Estilo en Cascada, el lenguaje que controla cómo se ve una página), abre una conversación nueva. Arrastrar contexto no relacionado hace que el modelo empeore, no que mejore.
- Pega el código actual, no el historial. Si una función ha cambiado cinco veces, la IA no necesita las cinco versiones anteriores, necesita la que existe ahora. Dale el estado presente y el siguiente cambio.
- Mantén una fuente breve de la verdad fuera del chat. Para una tarea más larga, unas pocas líneas en un archivo ("stack, decisiones clave, qué está hecho, qué sigue") te permiten re-sembrar una conversación nueva en segundos en lugar de reconstruirla desplazándote hacia atrás.
El objetivo es el mismo que recorre todo este capítulo: en cada momento, la IA debería estar trabajando a partir de una imagen precisa y compacta de la tarea, no de una transcripción extensa por la que tiene que adivinar su camino.