Che cos'è il context engineering dell'AI?

Ultimo aggiornamento: 23/04/2026

L'ingegneria del contesto è l'architettura del significato per l'intelligenza artificiale. Mentre l'uso iniziale dell'AI si basava sulla scelta delle parole, i sistemi moderni su Google Cloud richiedono un ambiente di dati strutturati per funzionare correttamente. Immagina di creare uno spazio di lavoro high-tech per un lavoratore digitale. Invece di dare a un lavoratore un singolo post-it con un'attività, gli fornisci uno schedario etichettato in BigQuery, una connessione in tempo reale utilizzando la piattaforma Gemini e un insieme chiaro di regole. In questo modo, l'AI non si limita a indovinare ciò che vuoi, ma opera all'interno di una realtà stabile e basata sui dati.

Context engineering: sessioni e memoria
BLOG
Guida per sviluppatori agli agenti AI pronti per la produzione

Prompt engineering e context engineering

Il settore è passato da prompt di base a pipeline di contesto complesse. In passato, gli analisti passavano ore a modificare alcune frasi in una chat box per ottenere un report migliore. Oggi creiamo sistemi che raccolgono, filtrano e strutturano automaticamente i dati prima che l'AI li veda. Siamo passati dagli input di testo manuali a un'infrastruttura automatizzata come la piattaforma Agent e il Model Context Protocol (MCP).

Funzionalità

Ingegneria del prompt legacy

Context engineering moderno 

Obiettivo

Scelta delle parole e formulazione

Pipeline di dati e stato dell'ambiente

Metodo

Prova ed errore manuale

Recupero automatizzato tramite Agent Platform

Tipo di input

Stringhe di testo statiche

Flussi BigQuery live e dati multimodali

Scalabilità

Difficile da ripetere su larga scala

Integrato nell'architettura di Google Cloud

Tre livelli di contesto

Per mantenere l'accuratezza di un agente AI per lunghi periodi, devi gestire tre diversi livelli di informazioni. Se questi strati non sono organizzati, il modello potrebbe "avere allucinazioni" o inventare le cose.

Sono le regole fondamentali che fungono da "fisica" del mondo dell'AI. Definiscono il ruolo dell'agente, il suo tono di voce e ciò che è strettamente consentito o non consentito. In Vertex AI, queste istruzioni rimangono attive durante ogni singola interazione.

Questo strato tiene traccia della cronologia della conversazione e delle preferenze specifiche dell'utente. Se un utente ha menzionato un formato di dati preferito tre passaggi fa, la memoria semi-persistente assicura che l'agente non lo dimentichi. Consente di far progredire il flusso di lavoro senza che l'utente debba ripetere le operazioni.

Questa è la "verità" che viene inserita dal mondo esterno in tempo reale. Include documenti trovati tramite Agent Search, output API live e note a breve termine che il modello utilizza per "pensare" a un problema. È altamente specifico per l'attività in questione e cambia a ogni nuova richiesta.

Comprendere l'economia dei token da 2 M

I token sono le unità di base di memoria e costo per un'AI. Puoi pensarli come la "RAM" di un modello linguistico di grandi dimensioni. Attualmente, modelli come Gemini 3.1 hanno esteso le finestre contestuali a 1-2 milioni di token. Questa enorme capacità cambia il modo in cui progettiamo il software. Invece di cercare di comprimere le informazioni in uno spazio minuscolo, ora possiamo fornire interi codebase, video di un'ora o migliaia di righe di dati BigQuery in una sola volta.

Memorizzazione nella cache del contesto strategico

In passato, gli sviluppatori dovevano tagliare o "potare" i dati in modo aggressivo per risparmiare denaro, il che spesso portava alla perdita di informazioni. Ora, con memorizzazione nella cache del contesto in Agent Platform, possiamo archiviare grandi quantità di dati nella memoria attiva del modello con uno sconto del 90%. In questo modo il modello rimane veloce e conveniente, pur conservando grandi quantità di informazioni di base per un uso ripetuto.

Domande frequenti

Ecco alcune domande comuni sul campo in crescita dell'ingegneria dei prompt.

Il prompt engineering consiste nello scrivere le migliori istruzioni possibili. La progettazione del contesto è il compito più grande di progettare l'intero sistema di dati e la memoria che l'AI utilizza per rispondere a queste domande su Google Cloud.

L'ingegneria del contesto è la pratica di gestione delle informazioni per un'AI. Il Model Context Protocol (MCP) è uno strumento specifico che semplifica la connessione sicura dell'AI a diverse origini dati come BigQuery.

Risolvi le tue sfide aziendali con Google Cloud

I nuovi clienti ricevono 300 $ di crediti senza costi da spendere su Google Cloud.
Parla con un esperto delle vendite di Google Cloud per discutere della tua sfida unica in modo più dettagliato.

Ottimizzazione del contesto su Google Cloud con Agent Platform

Google Cloud fornisce l'infrastruttura per gestire queste enormi esigenze di contesto. Agent Platform e Gemini 3.1 Flash sono progettati per attività che richiedono bassa latenza e un contesto ampio. Questa configurazione consente agli sviluppatori di creare agenti in grado di "leggere" un'intera libreria di documenti e rispondere alle domande in pochi secondi.

Avviso di ottimizzazione dei costi

La memorizzazione nella cache del contesto su Google Cloud può ridurre i costi dei token fino al 90%. Per le app con molti dati, puoi archiviare nella memoria attiva elementi come l'intero schema BigQuery o una raccolta completa di manuali tecnici. Ciò significa che non devi pagare per "inviare" questi dati al modello ogni volta che un utente pone una nuova domanda.

Fai il prossimo passo

Inizia a creare su Google Cloud con 300 $ di crediti gratuiti e oltre 20 prodotti Always Free.

Google Cloud
DocumentiAssistenza
Console
Accedi
  • Accelera la tua trasformazione digitale
  • Sia che la tua azienda sia all'inizio o a buon punto del suo percorso verso la trasformazione digitale, Google Cloud può aiutarti a risolvere le sfide più difficili.
  • Prodotti Google Cloud
  • Scopri oltre 100 prodotti. I nuovi clienti ricevono 300 $ di crediti gratuiti per l'esecuzione, il test e il deployment dei workload. Tutti i clienti hanno a disposizione oltre 25 prodotti gratuitamente, entro i limiti di utilizzo mensili.
  • Risparmia con il nostro approccio trasparente ai prezzi
  • Il pagamento a consumo di Google Cloud offre risparmi automatici in base all'utilizzo mensile e alle tariffe scontate per risorse prepagate. Contattaci oggi per richiedere un preventivo.
Google Cloud