Context Rot: Por Que uma Janela de Contexto Maior Não Vai Consertar Seu Agente de IA

Context rot é a degradação gradual das decisões de um agente de IA à medida que sua janela de contexto se enche de tokens irrelevantes ao longo de uma tarefa longa. Uma janela de contexto maior não resolve isso — pesquisas mostram que os modelos na verdade têm desempenho pior quando o contexto está inchado, o efeito “lost in the middle”. A solução é context engineering: curar ativamente o que o agente vê a cada passo, e não simplesmente dar mais espaço a ele.

Toda equipe que assessoro esbarra na mesma parede. A demo funciona lindamente por cinco passos, e então o agente começa a fazer chamadas estranhas depois de uma hora. O instinto é buscar um modelo com uma janela de contexto maior. Essa é a alavanca errada, e entender por quê é a coisa mais útil que você pode aprender sobre construir agentes confiáveis em 2026.

O que exatamente é context rot?

À medida que um agente executa um loop longo — chamando ferramentas, lendo arquivos, acumulando histórico — sua janela de contexto se enche de forma constante. A maior parte do que cai ali é ruído: saídas de ferramentas obsoletas, planos superados, becos sem saída. A equipe de Applied AI da Anthropic, que formalizou “context engineering” em setembro de 2025, descreve o objetivo como manter o conjunto ideal de tokens durante a inferência. Context rot é o que acontece quando você não faz isso: o sinal fica soterrado, e as decisões posteriores do modelo se degradam, mesmo que nada na tarefa tenha ficado mais difícil.

Por que uma janela de contexto maior não resolve?

Esta é a parte contraintuitiva. Expandir a janela parece dar mais folga, mas a capacidade não é a restrição — a atenção é. Pesquisas sobre o efeito “lost in the middle” mostram que, à medida que você enfia mais coisas na janela, os modelos consistentemente têm dificuldade de usar informações soterradas no meio dela. Mais espaço simplesmente significa mais lugar para o ruído sufocar os tokens que importam. Maior não é melhor; relevante é melhor. Esse único reenquadramento muda como você arquiteta um agente.

Os quatro movimentos que combatem o context rot

Context engineering se resume a quatro movimentos repetíveis que você aplica em cada iteração do loop. Write: persistir o estado importante fora da janela para que ele sobreviva sem ocupar tokens. Select: recuperar apenas o que é relevante para o passo atual, não tudo o que você tem. Compress: resumir o histórico longo ao essencial. Isolate: dar às subtarefas seu próprio contexto limpo para que um ramo bagunçado não contamine toda a execução. Em produção, equipes em 2026 normalmente usam de três a cinco ferramentas — armazenamentos de memória, recuperação, servidores MCP, frameworks de avaliação — para tornar esses movimentos governados em vez de acidentais.

Perguntas frequentes

O que causa context rot em agentes de IA?

Context rot é causado pelo acúmulo de tokens irrelevantes — saídas de ferramentas obsoletas, planos antigos, becos sem saída — que se acumulam ao longo de uma tarefa longa e sufocam a informação de que o modelo precisa, degradando suas decisões posteriores.

Uma janela de contexto maior previne o context rot?

Não. Uma janela maior adiciona capacidade, não atenção. O efeito “lost in the middle” mostra que os modelos têm dificuldade de usar informações soterradas em um contexto inchado, então mais espaço geralmente significa mais ruído, não melhores resultados.

Quais são as quatro técnicas da context engineering?

Write (persistir estado fora da janela), select (recuperar apenas o que é relevante agora), compress (resumir o histórico) e isolate (dar às subtarefas seu próprio contexto limpo).

A conclusão

Agentes confiáveis não são construídos comprando mais contexto — são construídos curando-o. Context rot é a razão silenciosa pela qual tantos agentes promissores desmoronam em produção, e os quatro movimentos acima são como você o vence. Este é o trabalho ao qual dedico meus dias, e compartilho o que aprendo aqui com frequência — acompanhe se você está construindo nesse espaço, e vamos trocar ideias.