╭──────────────────────────────────────────╮ ╭──────────────────────────────────────────╮ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ╚══════════════╝ ╚══════════╝ ╚══════════════╝ ╚══════════╝ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ file file file file read cache send tok tok tok tok tok tok file file file file read cache send tok tok tok tok tok tok ╭──────────────────────────────────────────╮ ╭──────────────────────────────────────────╮ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> ctx_read >>>>>>>>>>>> │ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ ┌─────────────┐ │ >>>>>>>>>>>>>>> compress >>>>>>>>>>>> │ ┌──────────┐ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ │ 100K tokens │ =========>│ >>> AST >>> cache >>> signal >>> │ =========> │ ~5K tok │ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ └─────────────┘ │ >>>>>>>>>>>>>>> filter >>>>>>>>>>>> │ └──────────┘ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ │ >>>>>>>>>>>>>>> dedupe >>>>>>>>>>>> │ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ╔══════════════╗ ╰──────────────────────────────────────────╯ ╔══════════╗ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ║ raw input ║ ─ ─ ─ ─ ─ ─ ─ ─ LeanCTX ─ ─ ─ ─ ─ ─ ─ ─ ─ ─ ║ output ║ ╚══════════════╝ ╚══════════╝ ╚══════════════╝ ╚══════════╝ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄┄ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ ┌──┐ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │▓▓│ │▓▓│ │▓▓│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ ───> │▓▓│ │▓▓│ │▓▓│ ───> │░░│ │░░│ │░░│ │░░│ │░░│ │░░│ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ └──┘ file file file file read cache send tok tok tok tok tok tok file file file file read cache send tok tok tok tok tok tok

Концепция

Что такое
контекстное инжиниринговое проектирование?

Это переход от prompt engineering к контекстным операциям — дисциплина проектирования, сжатия и управления полной информационной средой, в которой работает ваш AI-агент. LeanCTX — это эта автоматизированная дисциплина: context engineering layer для AI agents.

Проблема

Только промпты недостаточны

Prompt engineering оптимизирует ввод. Context engineering оптимизирует среду.

Когда AI-агенты были ограничены одноходовыми взаимодействиями, prompt engineering был достаточен. Вы создавали правильную инструкцию, модель возвращала полезный ответ, и рабочий процесс завершался.

Современные AI coding agents работают иначе. Они выполняют многоэтапные рабочие процессы по десяткам файлов, поддерживают состояние между сессиями и принимают решения, которые накапливаются со временем. Узким местом больше не является промпт, это контекст.

Кодинговый агент с идеальным промптом, но плохим контекстом будет галлюцинировать пути к файлам, терять след предыдущих решений и повторять уже выполненную работу. Сбой происходит не из-за плохих инструкций, а из-за неполной картины кодовой базы.

Фреймворк

Три перехода от промпта к context engineering

Context engineering представляет собой фундаментальное изменение в нашем понимании входных данных для AI-агентов.

Статические промпты → Динамические контекстные пайплайны

Вместо фиксированного системного промпта context engineering создает пайплайн, который собирает нужный контекст для каждой задачи, читая только релевантную информацию, с нужным уровнем сжатия и метаданными.

Ручная курация → Автоматическое сжатие

Вместо ручного выбора файлов для включения, context engineering считывает структуру каждого файла, сохраняет части, несущие реальный сигнал, и автоматически сжимает остальное.

Одноразовый → Постоянная память между сессиями

Context engineering добавляет память сессий, граф знаний и чистую передачу данных, позволяя агентам накапливать понимание со временем, а не начинать с нуля в каждом разговоре.

Дисциплина

Что такое context engineering включает

Context engineering охватывает четыре взаимосвязанные области, каждая из которых решает проблему иного аспекта информационной среды агента.

Сжатие

Поместить больше сигнала в меньше токенов

Несколько режимов чтения (полный, map, signatures, entropy, aggressive), парсинг AST через tree-sitter для более чем 26 языков и семантическое чанкирование уменьшают объем содержимого файла на 60–99%, сохраняя при этом информацию, необходимую агентам для принятия решений.

Memory

Сохранение понимания между сессиями

Снимки сессий, графы знаний, реестры передачи данных и предикативная память позволяют агентам вспоминать предыдущие решения, избегать повторной работы и передавать контекст между членами команды или экземплярами агентов.

Governance

Контроль доступа к данным для агентов

Политики доступа на основе ролей, бюджеты токенов, принудительное соблюдение SLO и песочницы путей гарантируют, что агенты работают в заданных границах, читая только то, что им положено, и расходуя только выделенное.

Верификация

Подтверждение того, что сжатие не потеряло информацию

Проверка вывода, артефакты доказательства, проверки сохранения путей и идентификаторов, а также оценка потери информации дают измеримую уверенность в том, что сжатый контекст сохраняет семантическое содержание, необходимое агенту.

Реализация

Как работает LeanCTX контекстное инжиниринговое ядро

LeanCTX — это среда выполнения context engineering с открытым исходным кодом, которая внедряет эти принципы в работу для AI coding agents.

81 инструменты MCP

Полный набор инструментов для чтения, поиска, сжатия и управления контекстом, доступный через Model Context Protocol.

10 режимов чтения

От полного кешированного чтения до сжатия с фильтрацией энтропии — каждый режим оптимизирован для конкретной задачи: редактирования, исследования, обзора или ссылки.

95+ шаблонов оболочки

Сжатие на основе шаблонов для вывода git, cargo, npm, docker и других CLI, сокращающее подробные результаты команд до структурированных, эффективных по токенам сводок.

Нулевые сетевые запросы

Работает полностью локально. Никакой телеметрии, никаких облачных зависимостей, никакие данные не покидают вашу машину. Open-source под Apache-2.0.

Изучить полную архитектуру

FAQ

Контекстный инжиниринг: ответы на вопросы.

Что такое контекстный инжиниринг?

Контекстный инжиниринг — это дисциплина управления информацией, которую видит, запоминает и использует AI-агент. Он заменяет ad-hoc промпт-инжиниринг систематическим рантаймом, который сжимает, кэширует, проверяет и управляет контекстом AI.

Почему контекстный инжиниринг важен для AI-кодирования?

AI-агенты для кодирования тратят тысячи токенов на повторное чтение файлов, парсинг «шумного» вывода оболочки и потерю контекста между сессиями. Контекстный инжиниринг снижает эти потери до 99%, делая агентов быстрее, дешевле и надежнее.

Чем контекстный инжиниринг отличается от промпт-инжиниринга?

Prompt engineering фокусируется на создании отдельных промптов. Context engineering управляет всем жизненным циклом информации — что агент читает, как это сжимается, что кэшируется, что запоминается между сессиями и что проверяется перед передачей.

Начать работу

Начните инжиниринг вашего контекста

LeanCTX — бесплатный, open-source и устанавливается менее чем за минуту. Узнайте, что может сделать context engineering для вашего AI рабочего процесса.

Начать работу Архитектура

Что такоеконтекстное инжиниринговое проектирование?