Šta je Context Engineering?

Intervjuer te pita: „Šta je Context Engineering?" Ako odgovoriš „to je samo Prompt Engineering sa fancy nazivom", intervjuer će samo odmahnuti glavom.

Zašto?

Zato što je cilj Prompt Engineering-a da se napiše jedna dobra instrukcija, dok je cilj Context Engineering-a da LLM-u u pravom trenutku, u pravom formatu, obezbedi prave informacije i alate, kako bi bolje završio zadatak.

Danas za 3 minute razjašnjavamo pojam Context Engineering.

Ovim pitanjem intervjuer uglavnom proverava tri nivoa: prvo, zašto Prompt Engineering nije dovoljan; drugo, koje konkretno tehnike obuhvata Context Engineering; treće, da li si ih u pravim projektima koristio.

Važi, sledi odgovor za pun broj poena — nauči ga napamet i gotovo.

Prvo zapamti jednu analogiju. Dao ju je zvezda AI sveta, Karpati: LLM je CPU, context window je memorija, a ti si operativni sistem. Šta radi operativni sistem? Odlučuje koji podaci se učitavaju u memoriju. Ma koliko CPU bio jak, ako je memorija puna đubreta, ipak neće dobiti tačan rezultat.

Tu je i srž Context Engineering-a: dati LLM-u dovoljno, i dovoljno korisnih kontekstualnih informacija — ali nikako što više to bolje.

Šta konkretno čini kontekst? Sedam komponenti: System Prompt definiše ulogu i pravila, korisnički unos definiše zadatak, istorija razgovora omogućava LLM-u da zna o čemu se već pričalo, dugoročno pamćenje čuva utvrđene činjenice koje prelaze sesije, RAG u realnom vremenu povlači podatke iz spoljne baze znanja, definicije alata govore modelu koje spoljne funkcije može da pozove, a strukturirani izlaz ograničava format odgovora.

Tih sedam stvari se pri svakom zahtevu dinamički sklapa. Nije da se napiše jedan Prompt i ostavi tu.

Zašto je Context Engineering u eri Agent-a naročito važan?

Zato što 80% neuspeha Agent-a ne dolazi od toga što model nije dovoljno pametan — iskreno, GPT-5.5 i Opus 4.6 su već dovoljno pametni. Uzmi Claude Code: on ima fajl CLAUDE.md u koji se upisuju kodirajuće konvencije projekta, personalizovana podešavanja i slično, i taj se fajl pri svakoj sesiji automatski učitava u kontekst. Bez tog fajla, stopa neuspeha Claude Code-a u završavanju zadataka znatno raste.

Drugim rečima, razlika između Agent-a nije u moći modela, nego u dotoku informacija.

Ako intervjuer nastavi: „Da li je kontekst što više to bolje?"

Reci mu — nije.

Prvo, trovanje. Ako model jednom halucinira i ta pogrešna informacija ostane u kontekstu, kasnije zaključivanje će je iznova citirati, pa će greška biti sve luđa.

Drugo, ometanje. Kad se kontekst prepuni, model prekomerno se fokusira na sadržaj konteksta, a previđa znanje stečeno tokom treninga.

Treće, brkanje. U kontekst se uvuku i irrelevantni podaci, pa model pomisli da su važni, što ugrožava kvalitet izlaza.

Četvrto, sukob. Nove informacije koje se nakupe u kontekstu lako dođu u koliziju sa originalnim instrukcijama, pa model ne zna čije da sluša.

Zato kontekst obavezno mora biti tačan — u okviru iste sesije, ako je međusobna povezanost zadataka niska, treba što češće ručno komprimovati i raditi clear.

I za kraj jedna mantra — Prompt pokriva jednu razmenu, Context pokriva više njih; uz tačne informacije, pravi format i dobar trenutak, Agent tek pokazuje pravu moć.

Da li si savladao ovo pitanje? Za još detaljnih razlaganja pitanja sa Agent-intervjua na nivou izvornog koda — paicoding.com/stutymore/what-is-context-engineering-20260707222222.png)