Kontext-engineering är arbetet med att ge en språkmodell rätt information, i rätt form och i rätt ordning, så att den kan lösa uppgiften — till skillnad från prompt-engineering som mer handlar om att formulera själva instruktionen. Det omfattar vilket underlag som hämtas in, hur det struktureras, vilka verktyg och källor modellen får tillgång till och hur minne mellan steg hanteras. I takt med att modellerna blivit skickligare har mycket av det avgörande värdet flyttat från modellen själv till kvaliteten på den kontext den matas med.

Detta är kärnan i Blyerts syn på AI: omdömet och kontexten är produkten, medan själva modellen alltmer blir en utbytbar råvara. Bra kontext-engineering är också det som skiljer en pålitlig verksamhets-AI från en generisk chattbot. Begreppet knyter direkt an till RAG, MCP och till kurerade kontextbibliotek.