Wat is het verschil tussen context engineering en prompt engineering?

Kort antwoord

Prompt engineering is het schrijven en ordenen van de instructies die je een model geeft. Context engineering is het samenstellen van alles wat het model ziet op het moment dat het antwoordt: die instructies, maar ook tools, opgehaalde gegevens, gespreksgeschiedenis en geheugen, en dat geheel goed houden over veel beurten. Prompt engineering is een onderdeel van context engineering, geen concurrent.

De twee definities naast elkaar

Het engineeringteam van Anthropic trok de lijn in september 2025. Prompt engineering is “methods for writing and organizing LLM instructions for optimal outcomes”: het schrijven en ordenen van instructies. Context engineering is “the set of strategies for curating and maintaining the optimal set of tokens” tijdens het antwoorden, dus alles wat in het venster belandt, niet alleen de instructie.

Onderdeel Prompt engineering Context engineering
Waar het over gaat Eén instructie of systeemprompt Alles in het venster, beurt na beurt
Tijdspanne Instructies ontwerpen, voor één of veel aanroepen Context samenstellen per aanroep en bijhouden over veel beurten
Hoofdvraag Hoe formuleer ik dit? Wat moet het model nu zien, en wat niet?
Gereedschap Woordkeus, voorbeelden, rol, vorm Ophalen, tools ontwerpen, samenvatten, notities, sub-agents, geheugen
Typische fout Vage of tegenstrijdige instructie Goede instructie die verdrinkt in oude geschiedenis of verouderde gegevens
Van wie Gebruiker, promptschrijver of ontwikkelaar Wie de agent bouwt of inricht, en het team dat de context levert

Waarom de nadruk verschoof

Een chatantwoord is één aanroep: je schrijft een prompt, het model antwoordt. Een AI-agent werkt in een lus. Hij roept een tool aan, leest het resultaat, roept de volgende aan, en elk resultaat komt erbij in het venster. Na een uur werk is de oorspronkelijke prompt misschien een paar honderd tokens in een venster van honderdduizenden. Of de agent dan nog goed werkt, hangt veel meer af van wat er verder in staat dan van hoe mooi de eerste instructie was.

Daarom gaan de technieken van context engineering over de stroom, niet over de woorden: bestanden pas laden als ze nodig zijn, oude tooluitvoer wissen, de geschiedenis samenvatten als die lang wordt, notities buiten het venster bewaren en zijtaken naar een sub-agent met een schoon venster sturen. Het team van Manus voegt een praktische toe: houd het begin van de context stabiel zodat de cache van de aanbieder hergebruikt kan worden, want wie elke beurt de bovenkant herschrijft, betaalt in snelheid en geld.

Het misverstand

De fout is de twee als concurrenten zien, of context engineering zien als “een langere prompt”. Je hele handboek in de systeemprompt plakken is ook een contextkeuze, alleen een slechte: de instructies die ertoe doen verdrinken in tekst die de taak niet nodig heeft. De documentatie van Claude Code zegt het ronduit: houd elke CLAUDE.md onder ongeveer 200 regels, want langere bestanden kosten meer context en worden minder goed gevolgd, en tegenstrijdige regels kunnen willekeurig toegepast worden.

Een voorbeeld maakt het verschil zichtbaar. Een supportagent beantwoordt een retourvraag verkeerd. Heeft hij de juiste feiten maar het verkeerde formaat of de verkeerde toon, dan is het een promptprobleem: verbeter de instructie. Volgt hij de instructie netjes maar noemt hij het retourbeleid van vorig jaar, dan is het een contextprobleem: kijk wat er is opgehaald en waarom de oude versie erin stond.

Goede context engineering maakt de prompt vaak korter. Het handboek gaat uit de prompt naar een plek waar de agent kan zoeken, en alleen het deel dat voor deze taak telt komt binnen.

Wat er verandert voor een team

Zolang één persoon prompts schrijft, zit de kennis in zijn hoofd en zijn chatgeschiedenis. Doet een team aan context engineering, dan moet die kennis op een gedeelde plek staan: instructiebestanden in de repo, een kennisbank van het team, regels die in bepaalde situaties gelden. De prompt blijft persoonlijk. De context wordt gedeelde infrastructuur.

Dat brengt vragen mee die een prompt nooit had: wie werkt het bij, hoe voorkom je dat het zichzelf tegenspreekt, en hoe komt wat de ene collega verbeterde bij de AI van de volgende terecht. Een praktische opzet staat in hoe richt je context engineering in voor een team, de volledige uitleg in wat is context engineering.

Waar Bombos past

Bombos zit aan de contextkant van deze lijn. Het is een plugin die elke AI-tool van een team, van Claude en ChatGPT tot Copilot, Cursor en eigen agents, één gedeeld geheugen geeft met teamkennis, geleerde regels en wat er al in mail, documenten en repo’s staat. Je mensen blijven hun eigen prompts schrijven; de context erachter is voor iedereen dezelfde, en je ziet waarop een antwoord gebaseerd is. Het draait in de cloud of op je eigen server, en één persoon kan beginnen met zijn eigen agents.

Vragen die hierbij horen

Is prompt engineering dan achterhaald?

Nee. De systeemprompt is nog steeds deel van de context en verdient zorg. Wat veranderde: bij een AI-agent is de prompt een klein deel van wat het model ziet, dus niet meer de enige knop.

Waar moet een team als eerste in investeren?

Begin bij de fout die je ziet. Is de opdracht onduidelijk, verbeter dan de prompt. Ontbreekt informatie, is ze verouderd of wordt de verkeerde opgehaald, verbeter dan de context.

Is een CLAUDE.md prompt engineering of context engineering?

Het is geschreven als een prompt, maar kiezen wat erin staat, hoe lang hij is en wanneer hij laadt is context engineering. Claude Code laadt hem aan het begin van elke sessie.

Bronnen

  1. Anthropic: Effective context engineering for AI agents
  2. Claude Code-documentatie: How Claude remembers your project
  3. Manus: Context Engineering for AI Agents, Lessons from Building Manus
Het eerste half uur · kosteloos

Wat vergeet jullie AI?

  1. 01Je vertelt welke AI jullie gebruiken en waar het steeds opnieuw moet.
  2. 02We laten zien wat een gedeeld geheugen daar verandert, op jullie eigen voorbeelden.
  3. 03Je krijgt het plan mee. Dat houd je, ook zonder Bombos.
Piet Baudoin
Piet BaudoinJe spreekt Piet, van het team van BombosNederlands team uit Utrecht en Nijmegen · data in Europa
We reageren dezelfde werkdag.