CLAUDE.md に決まりを書き足すうちに、長くなって守られなくなった。
そんな経験はありませんか? 私の CLAUDE.md も、一時は345行まで膨らんでいました。
AI に何を読ませるかを、まとめて設計する考え方があります。 それがコンテキストエンジニアリングです。
コンテキストエンジニアリングは、AI が読む情報全体を、必要な時に必要な分だけ渡す設計です。プロンプトは、その一部にすぎません。
全部を先に置かず、CLAUDE.md は短い道しるべにして、詳しいことは使う時・触った時に読ませる。普段は AI の判断に任せ、大事な所だけ決まりと仕組みで止めるのが、私のやり方です。
目次
コンテキストエンジニアリングとは?AIが読む情報全体の設計

プロンプトの書き方とは、何が違うんですか?

プロンプトは、AI に送る1回分の文です。コンテキストは、AI がその時に読んでいる情報の全部です。
AI が読むのはプロンプトだけではない

Claude の公式ブログは、こう説明しています。 Claude にメッセージを送るとき、プロンプトは、AI が受け取る情報のごく一部です。
ほとんどは、システムプロンプト(道具に最初から入っている指示)・スキル・CLAUDE.md・メモリーなどから組み立てられます。 この全体を設計することを、コンテキストエンジニアリングと呼んでいます。
プロンプトエンジニアリングとの違い
プロンプトエンジニアリングは、1回の指示の書き方と並べ方の工夫です。 コンテキストエンジニアリングは、その指示も含めて、何を・いつ・どれだけ読ませるかを決めることです。
Anthropic は、コンテキストエンジニアリングを「プロンプトエンジニアリングの自然な発展」と呼んでいます(2025年9月)。
プロンプトエンジニアリングとは?書き方より知識を入れる時代へ細かいプロンプトの作り込みは大きく減った
Claude Code のチームは、2026年7月の公式ブログで、驚く数字を出しました。 Claude Opus 5 や Claude Fable 5 のような新しいモデル向けに、Claude Code のシステムプロンプトを80%以上削っても、コーディングの評価で測れる性能の低下は無かったそうです。
細かいルールや例をたくさん書き込む作り方は、新しいモデルでは必要が大きく減っています。
プロンプトエンジニアリングは、もう必要なくなったと私は感じています。プロンプトを自分で打つほど、知識や、指示を伝える国語力が必要になり、難しくなるからです。
AI で作るものは、AI に作らせるのが合理的で正しいと考えています。そのほうが性能も担保されると感じています。ただ、前の記事で書いた「最初の目的を伝える」ことは、今も自分でしています。
なぜ必要?情報は多いほど良いわけではない
「それなら、知っていることを全部 AI に渡せばいい」と思うかもしれません。 でも、情報は多いほど良いわけではありません。
長くなるほど、答えの確かさが落ちる

AI 向けの検索の仕組みを作る Chroma は2025年7月、18のモデルで、入力の長さと性能の関係を調べました。 簡単な課題でも、入力が長くなると性能が大きく変わり、確かさが落ちていくことが分かりました。
この現象は「context rot(文脈の劣化)」と呼ばれます。 Anthropic も、情報が増えるほど、AI がそこから正しく思い出す力が落ちると書いています。
縛りすぎると、指示どうしがぶつかる
Claude Code のチームは、自分たちの使い方の記録を読み返しました。 すると、1つの頼み事の中で「必要に応じてドキュメントを残して」と「コメントを書くな」が同時に入っていたそうです。
システムプロンプト・スキル・頼み方の指示が、ぶつかり合っていたのです。 AI は意図を読み取れますが、そのぶん余計に考えることになります。
決まりを書き足すほど、別の決まりとぶつかりやすくなります。「念のため」の決まりを増やす前に、本当に毎回要るかを考えてください。
公式が示した「昔と今」
Claude の公式ブログは、これまでの常識のうち6つが「もう古い」と書いています。

縛るより、判断に任せる
以前の Claude Code は、「コメントは基本書かない。書いても短い1行まで」のような強い決まりを持っていました。 今のシステムプロンプトでは、その部分が「周りのコードと同じように読めるコードを書く(コメントの量・名前の付け方・書き癖を合わせる)」という1文になっています。
禁止を並べる代わりに、目指す状態を1つ示す形です。
全部を先に置かず、必要な時に読ませる
公式が例を挙げてくわしく書いているのが、段階的な開示です。 必要な情報を、必要な時に読み込ませる考え方です。
Claude Code では、確かめ方やレビューの手順を、本体から外して別のスキルに分けたそうです。 スキルは、説明文だけが一覧として常に読まれ、本文は使う時だけ読み込まれます。
CLAUDE.md は短く、落とし穴を書く
公式は、CLAUDE.md を軽くして、リポジトリの「落とし穴」に字数を使うよう勧めています。 ファイルを見れば分かることは書かない、とも書いています。
Claude Code の公式ドキュメントも、CLAUDE.md は1ファイル200行未満を目安にしています。
私の Vault のコンテキスト設計
私は Obsidian の Vault を、Claude Code と Codex の作業場にしています。 全部を CLAUDE.md に書かず、必要な時に読ませる形に作り替えてきました。

CLAUDE.md は道しるべだけ
私の CLAUDE.md は162行です。 冒頭に「詳細は正本へ切り出し、ここには骨子だけを置く」と書いています。
決まりの中身は別のファイル(正本)にあり、CLAUDE.md にはどこを読めばいいかだけを置いています。 以前は345行あったのを、169行まで縮めたのが始まりでした。
フォルダ別の決まりは、触った時だけ読ませる
一部のフォルダでしか使わない決まりは、.claude/rules/ という場所に5つのファイルで分けました。
それぞれのファイルに、どのフォルダを触った時に読ませるかを書いてあります。
たとえば、この Lab の記事の決まりは、記事のフォルダを触った時だけ読まれます。 記事を書かない作業では、記事の決まりが文脈を使いません。
Claude rulesとは|CLAUDE.mdとの違いと読まれる時wiki は入口と索引で、必要なページだけ開く

wiki の目次は、ページが増えて676KBになり、1回では読めない大きさになっていました。 そこで2026年10月17日に、小さな入口ハブと、フォルダごとの19本の索引ファイルに分けました。
AI はまず入口ハブを読み、答えがありそうな索引だけを開いて、必要なページにたどり着きます。
大事な所だけ縛る
私は、公式の「判断に任せる」と、「縛る」の両方を使っています。 普段の作業は任せていますが、守らないと困る所だけは、決まりと仕組みで止めています。
たとえば、記事やブログの本番への公開は、私が自分で行う決まりです。 集めた元の資料(raw)は、AI が書き換えない決まりにしています。
普段は AI の判断に任せ、公開や削除のように取り返しのつかない所だけを縛る。両方を使い分けるのが、今のところいちばん楽で安全だと感じています。
自分の環境で始める3ステップ
最初から全部を作り替える必要はありません。 いちばん長いファイルを1つ選んで、短くするところからで十分です。

- CLAUDE.md の中身を3つに分ける
毎回要る決まり・一部の作業だけの決まり・見れば分かること、に分けます。
- 毎回要らないものを外に出す
一部の作業だけの決まりはスキルやフォルダ別の決まりへ、見れば分かることは消します。
- 道しるべを書く
CLAUDE.md には「詳しくはこのファイル」とだけ書き、必要な時に読ませます。
1と2は、AI に頼んで一緒に進められます。
この CLAUDE.md を、
①毎回の作業で必要な決まり
②一部のフォルダや作業でだけ必要な決まり
③ファイルを見れば分かること
の3つに分けて一覧にしてください。まだ書き換えないでください。
分けたあとに、どこへ移すかを一緒に決めると、消しすぎを防げます。
長い作業の途中で会話が重くなったら、サブエージェントに分けるのも1つの手です。
Claude Codeサブエージェントの使い方|頼み方と作り方よくある質問
プロンプトエンジニアリングとの違いは何ですか?
プロンプトエンジニアリングは、1回の指示の書き方の工夫です。 コンテキストエンジニアリングは、指示も含めて、AI が読む情報全体を、いつ・どれだけ渡すかの設計です。
プロンプトエンジニアリングは不要になりましたか?
細かい言い回しを作り込む必要は、大きく減りました。 公式も、新しいモデル向けに自社のシステムプロンプトを8割削っても、コーディングの評価で性能が落ちなかったと書いています。私自身は、もう必要なくなったと感じています。ただ、何をしてほしいかという最初の目的は、今も自分で伝えています。
CLAUDE.md には何を書けばいいですか?
毎回の作業で必要な決まりと、落とし穴だけです。 一部の作業だけの決まりは、スキルやフォルダ別の決まりに分け、CLAUDE.md には道しるべを書きます。
ハーネスエンジニアリングとの違いは何ですか?
ハーネスは、AI を作業させるための、モデルの外側の仕組み全体(道具・権限・手順など)のことです。 コンテキストエンジニアリングは、その中の「何を読ませるか」を担う部分だと考えると分かりやすいです。
まとめ
- コンテキストエンジニアリングは、AI が読む情報全体を、必要な時に必要な分だけ渡す設計
- 情報は多いほど良いわけではなく、長いほど確かさが落ち、決まりどうしもぶつかる
- 公式は、新しいモデル向けに Claude Code のシステムプロンプトを8割削っても、コーディングの評価で性能が落ちなかった
- CLAUDE.md は短い道しるべにし、詳しいことは使う時・触った時に読ませる
- 普段は判断に任せ、公開や削除など大事な所だけ縛る
まずは、いちばん長いファイルを1つ選んで、3つに分けるところから始めてみてください。
参考資料・出典
公式(2026年10月18日確認)
- Claude「The new rules of context engineering for Claude 5 generation models」:https://claude.com/blog/the-new-rules-of-context-engineering-for-claude-5-generation-models
- Anthropic「Effective context engineering for AI agents」:https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents
- Claude Code「Extend Claude with skills」:https://code.claude.com/docs/en/skills
- Claude Code「How Claude remembers your project」:https://code.claude.com/docs/en/memory
研究・第三者(2026年10月18日確認)
- Chroma「Context Rot: How Increasing Input Tokens Impacts LLM Performance」:https://www.trychroma.com/research/context-rot
- LangChain「Context Engineering」:https://www.langchain.com/blog/context-engineering-for-agents
- Manus「AIエージェントのためのコンテキストエンジニアリング:Manus構築から得た教訓」:https://manus.im/ja/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus
- Google 広告 キーワードプランナー(日本・2025年10月〜2026年9月)









