Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Compactação de contexto

Compactação de contexto (context compaction) é a etapa em que um agente resume uma conversa que está chegando ao limite da janela de contexto e continua em uma janela nova que começa a partir desse resumo, para que uma tarefa longa possa seguir.

Também chamado: auto-compact

Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos

Todo modelo tem uma janela de contexto, e sessões longas de agentes a enchem com saídas de ferramentas, conteúdo de arquivos e idas e vindas. Quando a janela se esgota, a sessão teria de parar. A compactação troca o histórico completo por uma versão condensada e segue em frente.

Como funciona

O agente, ou o harness ao redor dele, pede ao modelo que resuma a conversa até ali: o objetivo, as decisões tomadas, os arquivos alterados, os problemas em aberto e os próximos passos. As mensagens antigas são descartadas e o resumo se torna o início de um novo contexto. Algumas ferramentas fazem isso automaticamente quando o uso passa de um limite, o que muitas vezes se chama auto-compact; o Claude Code também permite acioná-la manualmente com /compact. Uma variante mais barata limpa resultados antigos de ferramentas e mantém o resto.

Por que isso importa

A compactação mantém tarefas longas vivas e também pode melhorar as respostas, porque um modelo que trabalha a partir de um contexto curto e focado fica menos exposto ao context rot. A Anthropic a descreve como a primeira alavanca para manter agentes coerentes em execuções longas.

Compactação versus memória

A compactação reescreve a sessão atual. A memória de agente guarda fatos fora da sessão para reutilizar depois. Mandar trabalho paralelo para um subagente evita encher a janela desde o início.

Limites

Um resumo perde detalhes. Uma mensagem de erro exata, uma restrição sutil ou uma instrução do começo pode sumir, e o agente então repete trabalho ou quebra uma regra que vinha seguindo. Mantenha as regras principais em um arquivo de instruções que é recarregado e confira de novo os detalhes importantes depois de uma compactação.

Termos relacionados

Context rot
Context rot (degradação do contexto) é a queda na acurácia e na confiabilidade de um modelo de linguagem à medida que sua entrada fica mais longa, mesmo quando a entrada ainda cabe na janela de contexto e a informação necessária está presente.
Memória de agente
Memória de agente é o conjunto de técnicas que permitem a um agente de IA guardar informações além de uma única janela de contexto, como fatos sobre um usuário ou trabalhos anteriores, armazenando-as fora do modelo e carregando-as de volta quando necessário.
Janela de contexto
Uma janela de contexto (context window) é a quantidade máxima de texto, contada em tokens, que um modelo de linguagem consegue considerar de uma vez, incluindo o prompt de sistema, a conversa, os documentos, os resultados de ferramentas e a resposta que ele escreve.
Context engineering
Context engineering (engenharia de contexto) é a prática de escolher e manter tudo o que entra na janela de contexto de um modelo de linguagem durante uma tarefa: instruções, documentos recuperados, definições de ferramentas, resultados de ferramentas e histórico da conversa.
Subagente
Um subagente (subagent) é um agente auxiliar a quem um agente principal entrega uma tarefa. Ele trabalha em uma janela de contexto própria e nova, muitas vezes com suas próprias instruções e ferramentas, e devolve só um resumo do resultado.

Fontes