生成AIに仕事を頼むとき、AI が目にするのは、いま打ち込んだ指示の文章だけではありません。それまでの会話、添付した資料、AI が使える道具の説明と結果も、答えを作る材料になります。
この材料の全体を選んで整える作業が、コンテキストエンジニアリングです。プロンプト（指示の文章）とどこが違うのか、材料を多く渡すほど答えは良くなるのか、社内で使うときに何を決めておくのかを、AI の提供元の公式文書と公開されている調査をもとに整理しました（2026年11月時点）。
コンテキストエンジニアリングとは
コンテキストエンジニアリングは、AI が答えを作るあいだ、AI に渡す情報の組み合わせを選んで保ち続けるやり方です。Claude を提供する Anthropic は、2025年9月に公開した開発者向けの記事でこのように説明しています。
コンテキストは「文脈」と訳される語で、ここでは AI が答えを作るときに参照できる情報の全体を指します。Anthropic の「コンテキストウィンドウ」の文書は、AI が一度に参照できるこの範囲（コンテキストウィンドウ）を AI の「作業メモリ」と呼び、AI がもともと学習に使った大量のデータとは別のものとしています。学習し直さなくても、何を渡すかで答えは変わります。
調べた範囲では、AI の開発の道具を作る LangChain が2025年6月、Anthropic が9月、Google が12月に、この語についての考え方を公式のブログで書いています。
プロンプトとの違いは、扱う範囲と、選び直す回数
プロンプトエンジニアリングは指示の文章の書き方を扱います。コンテキストエンジニアリングは指示を含めた情報の全体を扱い、1つの作業の中でも、渡すたびに選び直します。
指示プロンプトで扱うことの例
- 目的と背景
- 答えの形
- 見本
全体コンテキストで扱うものの例
- 指示の文章（プロンプト）
- それまでの会話
- 添付や検索で渡す資料
- AI が使える道具の説明と、その結果
- 前の会話から残しておいた記憶
回数の違いについて、Anthropic の記事は、指示を書くことを区切りのある作業とし、コンテキストエンジニアリングを、モデル（AI の本体）に何を渡すかを決めるたびに繰り返す作業として対比しています。指示も試して直しますが、ここでいう繰り返しは、1つの作業の途中で AI に渡すたびに起きるものです。AI が資料を読み、道具を使い、また考える動きを繰り返す仕組みでは、次に渡せる情報が増え続けるので、何を渡すかを毎回選び直します。
プロンプトの書き方が要らなくなったわけではありません。Anthropic はコンテキストエンジニアリングを、プロンプトエンジニアリングが自然に発展したものと位置づけています。LangChain の Harrison Chase は、プロンプトエンジニアリングはコンテキストエンジニアリングの一部だという見方を記事で示しています。指示の書き方そのものはプロンプトエンジニアリングとは？仕事で使う指示の書き方と、指示では直せないことで扱っています。
コンテキストで扱うもののうち、社内の資料を探して渡す仕組みはRAGとは？社内の資料で答えるAIの仕組みと、頼む前に決めることの話です。AI を社内のツールやデータにつなぐ仕組みは、MCPとは？AIを社内のツールやデータにつなぐ仕組みと、使う前に確かめることの記事で取り上げています。
たくさん渡せば、答えは良くなるのか
良くなるとは限りません。AI が一度に扱える量には上限があり、上限の中でも、量が増えるほど答えの正確さが下がることが報告されています。
Anthropic の「コンテキストウィンドウ」の文書は、コンテキストが多ければ自動的に良くなるわけではないと書いています。トークン（AI が文章を数える単位）の数が増えるにつれて精度と再現率（必要な情報を取りこぼさずに拾えるか）が下がるとし、この現象を「context rot（コンテキストの劣化）」と呼んでいます。何を含めるかを選ぶことは、扱える量の大きさと同じくらい大切だ、というのが文書の結論です。
入力が長くなると成績が下がる様子は、AI 向けのデータベースを作る Chroma の技術報告（2025年7月）にも出ています。4社の計18のモデルで試した結果、どの実験でも、入力が長くなるにつれて成績が下がりました。答えに似た紛らわしい文が1つ混ざるだけでも下がっています。ただし筆者たちは、この実験が実際の使い方のすべてを覆うものではないと断っています。
どこに置くかでも結果は変わります。2023年の研究「Lost in the Middle」では、当時の4系統のモデルで、答えに必要な情報が入力の初めか終わりにあると成績が高く、真ん中にあると大きく下がる傾向が出ました。当時のモデルでの傾向ですが、長い資料を貼れば AI が全体を同じように読む、とは限らないことを示しています。
Anthropic の記事は、望む結果が出る見込みを高めるために、できるだけ少なく中身の濃い情報を選ぶことを、良いコンテキストエンジニアリングとしています。
長い作業で使われる3つの工夫
AI に長い作業を任せると、会話や道具の結果がたまり、上限に近づきます。Anthropic の記事は、そのときの工夫として次の3つを挙げています。
- 会話を要約し、要約から新しく始め直す
- 作業の途中で分かったことを、AI 自身に外のメモへ書かせ、必要なときに読み戻させる
- 一部の作業を別の AI に任せ、結果の要約だけを受け取る
会話を短くする方法には弱みもあります。OpenAI の開発者向けの例は、要約すると細かい条件が抜け落ちることがあり、古いやり取りを削る方法では前の話を急に忘れる、と書いています。
決まりごとの長さにも、提供元の目安があります。Anthropic の開発の道具 Claude Code の文書は、毎回最初に読み込ませる指示のファイル（CLAUDE.md）を1つあたり200行未満に収めることを目安にしています。長いほど多くのコンテキストを使い、指示が守られにくくなるからです。Claude Code の使い始め方は、Claude Codeの使い方。仕事で使い始める手順と、その前に決めることの記事にまとめています。
AIに渡す情報を、社内で決めておく
チャットの画面で生成AIを使うだけでも、何を渡すかは使う人が決めています。Nue は、次の3つを社内で決めておくと、答えがずれにくくなり、人による差も小さくなると考えています。
まず、毎回渡す前提です。会社の説明や文体の決まりは、短くまとめて、全員が同じものを使えるようにします。上の Claude Code の目安と同じく、長くするほど肝心の指示が埋もれやすくなると Nue は見ています。
資料は、関係しそうなものを全部貼るのではなく、その作業に要る部分を選んで渡します。渡してよい資料の範囲は、社内のルールで先に決めておきます。その決め方はシャドーAIとは？社員が無断で使う生成AIを、禁止するか使い方を決めるかの記事で取り上げました。
会話は、仕事が変わったところで区切ります。1つの会話でいくつもの仕事を続けると、前の仕事の資料ややり取りが次の仕事の材料に混ざります。新しい会話を始め、続きに要る要点だけを渡し直すと決めておくと、混ざりにくくなります。
よくある質問
長い会話を続けると、最初に伝えたことはどうなりますか
サービスによっては、最初に伝えたことから参照されなくなる場合があります。AI が一度に参照できる量には上限があり、会話が長くなると、すべてをそのままの形で参照し続けることはできないからです。どう扱うかはサービスの作りで決まります。Anthropic の「コンテキストウィンドウ」の文書には、claude.ai のようなチャットの画面では、古いものから順に外していく形（先入れ先出し）で管理することもできる、と書かれています。
業務のシステムに組み込むときは、何を確かめればよいですか
AI が資料を探したり道具を使ったりしながら何度もやり取りする仕組みでは、何を渡し、何を削り、何を残すかを、作る側が設計として決めます。Nue の生成AI導入支援を含め、外の会社に作ってもらうときは、AI に毎回何が渡るのかと、長い作業で要約や削除をするときに何を残すのかを聞いておくと、答えがずれたときに原因を追いやすくなると Nue は考えています。