╭──────────────────────────────────────────╮ ╭──────────────────────────────────────────╮ │ >>>>>>>>>>>>>>> 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

Концепція

Що таке
context engineering?

Це перехід від prompt engineering до контекстних операцій — дисципліна проєктування, стиснення та управління повним інформаційним середовищем, в якому працює ваш AI-агент. LeanCTX — це ця дисципліна, автоматизована — context engineering layer для AI agents.

Проблема

Тільки промпти недостатньо

Prompt engineering оптимізує ввід. Context engineering оптимізує середовище.

Коли AI-агенти були обмежені одноразовими взаємодіями, prompt engineering був достатнім. Ви створювали правильну інструкцію, модель повертала корисну відповідь, і робочий процес завершувався.

Сучасні AI coding agents працюють інакше. Вони виконують багатоетапні робочі процеси в десятках файлів, підтримують стан протягом сесій та приймають рішення, які накопичуються з часом. Промпт більше не є вузьким місцем — це контекст.

Кодинговий агент із ідеальним промптом, але поганим контекстом, буде галюцинувати шляхи до файлів, втрачати слід попередніх рішень та повторювати вже виконану роботу. Збій полягає не в поганих інструкціях, а в неповній картині кодової бази.

Фреймворк

Три переходи від промптів до context engineering

Context engineering представляє фундаментальну зміну в тому, як ми думаємо про ввід для AI-агентів.

Статичні промпти → Динамічні контекстні пайплайни

Замість фіксованого системного промпта, context engineering створює пайплайн, який збирає правильний контекст для кожного завдання, читаючи лише те, що є релевантним, на потрібному рівні стиснення та з потрібною метадані.

Ручна курація → Автоматичне стиснення

Замість вибору файлів вручну для включення, context engineering читає структуру кожного файлу, зберігаючи частини, які несуть справжній сигнал, і автоматично стискаючи решту.

Одноразовий → Стійка пам'ять між сесіями

Context engineering додає пам'ять сесій, граф знань та чисті передачі даних, дозволяючи агентам накопичувати розуміння з часом, а не починати з нуля в кожній розмові.

Дисципліна

Що таке context engineering включає

Context engineering охоплює чотири взаємопов'язані домени, кожен з яких вирішує окремий аспект інформаційного середовища агента.

Компресія

Вмістити більше сигналу в менше токенів

Кілька режимів читання (повний, map, signatures, entropy, aggressive), парсинг AST tree-sitter для понад 26 мов та семантичне чанкування зменшують вміст файлів на 60–99%, зберігаючи при цьому інформацію, необхідну агентам для прийняття рішень.

Memory

Збереження розуміння між сесіями

Знімки сесій, графознання, журнали передач даних та проспективна пам'ять дозволяють агентам згадувати попередні рішення, уникати повтореної роботи та передавати контекст між членами команди або екземплярами агентів.

Governance

Контроль доступу для агентів

Політики доступу на основі ролей, бюджети токенів, забезпечення SLO та песочниця шляхів гарантують, що агенти працюють у визначених межах, читаючи лише те, що їм потрібно, і витрачаючи лише виділене.

Верифікація

Доведення, що компресія не втратила інформацію

Валідація виводу, артефакти доказів, перевірки збереження шляхів та ідентифікаторів, а також оцінка втрат інформації дають вимірну впевненість у тому, що стиснений контекст зберігає семантичний вміст, необхідний агенту.

Впровадження

Як LeanCTX реалізує context engineering

LeanCTX — це open-source runtime для context engineering, який переносить ці принципи у виробництво для AI coding agents.

81 MCP інструменти

Повний набір інструментів для читання, пошуку, стиснення та керування контекстом, які всі експонуються через Model Context Protocol.

10 режимів зчитування

Від повного кешованого зчитування до стиснення з фільтрацією ентропії — кожен режим оптимізований для конкретного завдання: редагування, дослідження, перегляд чи посилання.

95+ шаблонів оболонки

Стиснення на основі шаблонів для виводу git, cargo, npm, docker та інших CLI, що зменшує багатослівні результати команд до структурованих, токен-ефективних підсумків.

Нуль мережевих викликів

Працює повністю локально. Жодної телеметрії, жодних залежностей від хмари, жодних даних, що покидають вашу машину. Open-source під Apache-2.0.

Дослідити повну архітектуру

FAQ

Context engineering: відповіді на запитання.

Що таке context engineering?

Context engineering — це дисципліна управління інформацією, яку бачить, запам'ятовує та використовує AI agent. Він замінює ad-hoc prompt engineering систематичним рантаймом, який стискає, кешує, верифікує та керує контекстом AI.

Чому context engineering важливий для AI кодування?

AI coding agents витрачають тисячі токенів на повторне читання файлів, парсинг шумного виводу оболонки та втрату контексту між сесіями. Context engineering зменшує цю втрату до 99%, роблячи агенти швидшими, дешевшими та надійнішими.

Чим context engineering відрізняється від prompt engineering?

Prompt engineering зосереджується на створенні окремих промптів. Context engineering керує всього життєвого циклу інформації — що читає агент, як це стискається, що кешується, що запам'ятовується між сесіями та що верифікується перед передачею.

Почати роботу

Почніть інжиніринг ваш контекст

LeanCTX безкоштовний, open-source і встановлюється менш ніж за хвилину. Дізнайтеся, що може зробити context engineering для вашого AI робочого процесу.

Початок роботи Архітектура

Що такеcontext engineering?