コンテキスト・エンジニアリング(Context Engineering)とは、AI モデルに与えるコンテキスト——コードベースの構造、コミット履歴、設計意図、ドメイン知識——を体系的に設計・最適化する技術領域である。
プロンプトエンジニアリングが「1 回の質問をどう上手く書くか」の技術だとすれば、コンテキスト・エンジニアリングはもう一段上のレイヤーにある。「AI に何を、どの順番で、どれだけ見せるか」を設計する仕事だ。Anthropic の 2026 年レポートでは「Repository Intelligence」という概念が紹介されている。
AI エージェントがコードの行単位ではなく、リポジトリ全体の関係性と意図を理解した上で作業する能力のことだ。これを実現するには、エージェントに渡すコンテキストの質と構造が決定的に重要になる。具体的には、以下のような設計判断が含まれる。
- どのファイルをコンテキストに含め、どのファイルを除外するか - プロジェクトのルール(コーディング規約、アーキテクチャ方針)をどう伝えるか - 過去の変更履歴のうち、今のタスクに関連する部分をどう絞り込むか - コンテキストウィンドウの制約内で情報量を最大化するにはどう圧縮するか Claude Code の CLAUDE.md や Rules ファイル、OpenClaw の長期記憶機能は、いずれもコンテキスト・エンジニアリングの実装例といえる。開発者がプロジェクト固有の知識を構造化して AI に渡す仕組みだ。プロンプトの書き方を工夫する段階は終わり、「AI が仕事をする環境そのもの」を設計する段階に入ったということだろう。


アンビエントAI(Ambient AI)とは、ユーザーの環境に常駐し、明示的な指示がなくてもセンサーデータやイベントを監視して先回りで行動する、環境溶け込み型の AI システムを指す。

OpenClaw とは、ローカル環境で動作するオープンソースの個人向け AI エージェントフレームワークであり、長期記憶・自律タスク実行・スキルの自己生成機能を備え、2026 年に GitHub で 16 万スターを超えた。

Claude Code とは、Anthropic が開発したターミナル常駐型の AI コーディングエージェントであり、コードベースの理解・編集・テスト実行・Git 操作を自然言語の指示で一貫して行える CLI ツールである。
