AI PM Guru: Does context engineering matter for PMs not building agents?

Shaili Guru опубликовала этот материал в феврале 2026 года как структурированный аргумент вокруг практической дискуссии: имеет ли context engineering — практика управления тем, какую информацию видит языковая модель при обработке запроса — значение только для команд, создающих автономные агенты, или применима более широко?

Контекст дискуссии

Статья представляет вопрос как подлинное разногласие, а не риторическую подводку: Guru серьёзно излагает контраргумент своего мужа. Его позиция такова: context engineering — это прежде всего проблема агентов, поскольку более простые приложения (однократные Q&A, базовое резюмирование) не накапливают контекст между шагами и не сталкиваются с непредсказуемыми выводами от использования инструментов в многошаговых системах. В этом аргументе для действительно простых реализаций есть своя логика.

Ответ Guru состоит в том, что большинство реальных AI-функций на самом деле не настолько просты. Многоходовые разговоры, retrieval-augmented generation (RAG) и персонализация — все они требуют решений о том, какая информация поднимается, как сжимается и как предотвратить влияние раннего контекста на поздние ответы — даже без агентов. По сути это решения context engineering, как бы команды их ни называли.

Четыре принципа и лестница сложности

Статья вводит четыре принципа, применимых ко всему спектру сложности AI-продуктов: выбор релевантной информации (что извлекать и поднимать), эффективное сжатие (вмещение полезного контекста в окно модели), изоляция контекстов для предотвращения интерференции (разделение разных пользователей или сессий) и управление памятью (решение о том, что сохранять между взаимодействиями). Guru представляет это как масштабируемый фреймворк: простые Q&A-приложения могут требовать одного-двух принципов, тогда как агентные системы нуждаются в намеренном управлении всеми четырьмя.

В дополнение она предлагает лестницу сложности: от простых Q&A на одном конце до полностью автономных агентов на другом, с многоходовым чатом, RAG, персонализацией и приложениями с использованием инструментов посередине. Практическая рекомендация: выбирать наиболее простую архитектуру, решающую реальную задачу, и понимать context engineering достаточно хорошо, чтобы делать этот выбор осознанно, а не приходить к излишней сложности по умолчанию.

Context Brief

Наиболее конкретное предложение статьи — добавить раздел «Context Brief» в PRD для AI-функций. Этот документ, составляемый до начала разработки, указывает, какая информация нужна модели для хорошей работы, откуда эта информация берётся, как она будет форматироваться и сжиматься, и какие правила изоляции применяются. Guru представляет это как способ для PM формализовать решения контекста, которые иначе принимаются неявно — или не принимаются вовсе — в процессе реализации.

Кому будет полезно

Product manager’ы в компаниях, создающих любые AI-функции, найдут этот подход полезным — особенно если их команда рассматривала контекст как деталь реализации, а не продуктовое решение. Аргумент о том, что context engineering актуален ниже порога полноценных автономных агентов, практически значим для большинства PM-ролей в 2026 году, когда AI-функции стали обычным явлением, а полноценные агентные системы остаются меньшей частью того, что строят команды.