Context engineering (kỹ thuật ngữ cảnh) là bộ môn đưa đúng thông tin vào cửa sổ ngữ cảnh của một AI agent — qua chất lượng truy xuất, tóm tắt, khử trùng lặp, sắp xếp và phân bổ token — thay vì nhồi tối đa những gì mô hình cho phép. Năm 2026 đây là nút thắt mới của agent production: mô hình long-context đã bỏ giới hạn kích thước, nhưng agent gãy vì độ liên quan và nhiễu, không phải vì thiếu chỗ. Chất lượng ngữ cảnh, không phải khối lượng, mới phân tách một agent đáng tin khỏi một agent nghe có vẻ hợp lý.
Prompt engineering được chú ý; nhưng context engineering mới quyết định agent production có chạy hay không. Mô hình giờ cho cửa sổ ngữ cảnh khổng lồ, nhưng đa số đội chẳng bao giờ dùng tốt — và những đội làm tốt lại có mức tăng độ tin cậy lớn nhất. Dưới đây là context engineering là gì và làm thế nào.
Context engineering là việc quyết định — bằng chương trình, lúc chạy — chính xác thứ gì vào ngữ cảnh của mô hình ở mỗi bước: tài liệu truy xuất nào, tin nhắn trước nào, kết quả công cụ nào, theo thứ tự và dạng nào. Nó coi cửa sổ ngữ cảnh là tài nguyên khan hiếm cần chọn lọc, không phải cái thùng để đổ đầy. Mục tiêu: tối đa tín hiệu liên quan, tối thiểu nhiễu, trong một ngân sách token có chủ đích.
Vì cửa sổ lớn hơn không làm agent thông minh hơn — nó làm dễ dìm mô hình trong văn bản không liên quan. Mô hình long-context nhận được hàng trăm nghìn token, nhưng giới hạn chất lượng truy xuất và attention nghĩa là agent suy luận tốt hơn trên 8K sạch, sắp xếp gọn hơn là 200K nhiễu. Trong production, lỗi thường quay về ngữ cảnh sai hoặc dư thừa hơn nhiều so với thiếu chỗ. Dung lượng thôi làm ràng buộc; chọn lọc trở thành ràng buộc.
Prompt engineering định hình chỉ dẫn cố định — "cư xử thế nào". Context engineering định hình thông tin động quanh nó — "suy luận trên cái gì", lắp ráp tươi mỗi bước từ truy xuất, bộ nhớ và kết quả công cụ. Prompt viết một lần; context engineering là một hệ thống lúc chạy với truy xuất, xếp hạng, tóm tắt và phân bổ. Với agent hành động trên dữ liệu thay đổi, context engineering là bộ môn lớn hơn và quyết định hơn.
Coi việc lắp ráp ngữ cảnh là một thành phần riêng, có đánh giá riêng. Đầu tư trước vào chất lượng truy xuất (nó chi phối kết quả), nén mạnh tay, khử trùng lặp, sắp theo mức quan trọng, và đặt ngân sách token rõ ràng cho mỗi bước. Rồi đo nó — cùng kỷ luật đánh giá phân tách demo khỏi production (xem từ pilot lên production). Làm tốt, context engineering thường là mức tăng độ tin cậy lớn hơn cả đổi mô hình, và đi thẳng với các biện pháp governance giữ cho dữ liệu truy xuất phù hợp (xem governance cho AI agent).
Nếu agent chạy tốt trong demo nhưng thiếu tin cậy trên dữ liệu thật, cách sửa thường là ngữ cảnh, không phải mô hình. Tầng chọn lọc đó là một phần thứ chúng tôi xây. Xem cách chúng tôi tiếp cận phát triển AI agent, hoặc gửi use case để chúng tôi lập bản đồ context engineering cần thiết.