Contexto e Tokens: Por Que a IA Esquece Seu Projeto

O que é a janela de contexto, sem jargão

Toda IA de texto trabalha com uma janela de contexto: a quantidade máxima de informação que ela consegue "ver" de uma só vez para responder. Pense num quadro branco de tamanho fixo. Tudo o que importa para a resposta precisa caber ali: sua pergunta, o histórico da conversa, os arquivos do projeto que a ferramenta anexou, as instruções do sistema e a própria resposta que está sendo gerada.

Quando o quadro enche, algo tem que sair. E aqui está o detalhe que quase ninguém explica: a IA não sabe que apagou algo. Ela não sente falta. Ela simplesmente responde com base no que sobrou no quadro, com a mesma confiança de antes. É por isso que o sintoma clássico não é "a IA avisou que esqueceu", e sim "a IA reescreveu uma função que já existia" ou "a IA inventou um nome de campo que não bate com o banco".

Essa unidade que ocupa espaço no quadro se chama token. Token é um pedaço de palavra: em português, cada palavra costuma valer entre 1 e 3 tokens, e código tende a gastar mais tokens que texto comum por causa de símbolos, indentação e nomes longos. Uma janela de contexto é medida em tokens, e as ferramentas modernas trabalham com janelas grandes — mas grande não é infinito, e o comportamento perto do limite é pior do que o comportamento no começo.

Por que a qualidade cai antes de o limite estourar

A parte contraintuitiva: o problema não começa quando você bate no teto. Começa bem antes. Existem três efeitos que se somam.

• Diluição. Se você joga 40 arquivos no contexto e só 2 importam, a instrução realmente relevante vira uma agulha no palheiro. A IA distribui atenção por tudo que está ali.
• Perda no meio. Modelos costumam se sair melhor com o que está no começo e no fim da conversa. Instruções dadas há bastante tempo, no meio de uma sessão longa, têm mais chance de serem ignoradas do que esquecidas de fato.
• Acúmulo de lixo. Sessões longas guardam tentativas erradas, código descartado, saídas de erro gigantes. A IA continua "vendo" a versão errada que você já abandonou e às vezes volta para ela.

Some isso ao fato de que muitas ferramentas fazem compactação automática quando o contexto enche: elas resumem a conversa antiga para liberar espaço. Resumo é perda de detalhe. O que era "usamos snake_case nos campos do banco e camelCase no front" pode virar "seguir os padrões do projeto" — informação que não instrui nada.

Como cada tipo de ferramenta lida com isso

Ferramentas de vibe coding — programar conversando com a IA, sem escrever código na mão — resolvem contexto de formas bem diferentes, e isso muda o que você deve fazer.

Nenhuma delas resolve o problema por você. Todas melhoram muito quando o projeto está organizado de um jeito que a IA consegue ler em pedaços pequenos.

Sete técnicas práticas para o projeto continuar legível

1. Escreva um arquivo de instruções do projeto

Quase toda ferramenta hoje lê um arquivo de regras na raiz do projeto (nomes variam por ferramenta). Coloque nele o que a IA precisa saber sempre: stack usada, padrões de nome, onde ficam as coisas, o que nunca fazer. Mantenha curto — meia página vale mais que dez páginas, porque esse arquivo entra no contexto toda vez e o que é longo demais vira ruído.

2. Comece sessão nova a cada tarefa

O maior erro é tratar a conversa como um relacionamento longo. Terminou a funcionalidade, abra uma sessão limpa. Contexto acumulado de três tarefas anteriores não ajuda a quarta; atrapalha. Sessão nova é gratuita e restaura a qualidade quase sempre.

3. Aponte os arquivos em vez de deixar a IA procurar

"Ajuste o cálculo de frete" faz a ferramenta varrer o projeto. "No arquivo X, na função Y, ajuste o cálculo de frete considerando Z" resolve com uma fração do contexto e muito menos chance de a IA mexer no lugar errado.

4. Quebre arquivos grandes

Um arquivo de 2 mil linhas é péssimo para IA: ela precisa carregar tudo para mudar dez linhas. Vários arquivos de 200 a 400 linhas, com nomes que dizem o que fazem, permitem que só o pedaço necessário entre no contexto. Isso também é bom para gente, não só para máquina.

5. Peça um resumo antes de trocar de sessão

Antes de encerrar, peça: "resuma o estado atual da tarefa, decisões tomadas e o que falta, em formato de lista". Salve isso num arquivo de anotações do projeto e cole no início da próxima sessão. Você controla o resumo em vez de deixar a compactação automática decidir o que jogar fora.

6. Não cole log de erro inteiro

Saídas de erro podem consumir uma fatia enorme do contexto sem agregar quase nada. Cole a primeira linha do erro, a linha do arquivo e o trecho relevante. Se a IA precisar de mais, ela pede.

7. Documente decisões, não só código

Um arquivo curto com "por que fizemos assim" evita que a IA desfaça escolhas conscientes. Sem isso, a cada sessão nova ela vê a solução esquisita, acha que é erro e "conserta" — quebrando o que funcionava.

O custo em tokens: o lado financeiro do contexto

Se você usa a IA por API ou num plano que cobra por uso, contexto grande é dinheiro. Você paga pelos tokens que entram (tudo que está no quadro branco) e pelos que saem. Uma sessão inchada cobra o contexto inteiro a cada mensagem, não uma vez só. É por isso que a mesma tarefa pode custar bem mais no fim de uma conversa longa do que no começo.

Os valores variam muito por ferramenta, modelo e plano, e mudam com frequência — não confie em número decorado, confira na fonte antes de estimar orçamento. O princípio que não muda: contexto enxuto sai mais barato e entrega melhor. Vale também conferir se sua ferramenta usa cache de contexto, um recurso que barateia a repetição do mesmo trecho de instruções entre chamadas.

Quando o problema não é contexto

Sendo honesto: nem toda piora é falta de memória. Vale checar outras causas antes de reorganizar o projeto inteiro.

• Modelo trocado. Muitas ferramentas rebaixam o modelo quando você atinge cota do plano. A IA fica pior porque é outra IA, não porque esqueceu.
• Pedido ambíguo. Se você não sabe descrever o resultado esperado, contexto nenhum salva.
• Complexidade real. Sistemas com regras de negócio entrelaçadas exigem decisão humana. Isso não é limitação de janela, é limitação do que dá para delegar.
• Base bagunçada desde o início. Se o projeto nasceu de vinte prompts sem estrutura, o gargalo é a arquitetura, não a memória do modelo.

E fica um alerta importante: quanto mais longa a sessão, maior a chance de a IA gerar código que parece certo e não é — inclusive falhas de segurança em validação de dados e permissões de acesso. Código gerado em contexto degradado precisa de revisão mais rigorosa, não menos.

Um fluxo simples que funciona

Se quiser um roteiro para adotar hoje mesmo, use este:

• Antes de começar: sessão nova, arquivo de regras do projeto atualizado.
• Ao pedir: uma tarefa por vez, arquivos indicados, resultado esperado descrito em uma frase.
• Durante: se a IA começar a repetir erro ou reinventar o que existe, não insista — encerre e recomece com um resumo do estado.
• Ao terminar: peça o resumo, salve, revise o código gerado, faça o commit.

Parece burocracia, mas toma poucos minutos e evita as sessões de duas horas que terminam com o projeto pior do que começou. A regra mental é simples: trate o contexto como espaço de bancada, não como arquivo permanente. Bancada limpa, trabalho melhor.