关于 context-engineering
context-engineering 是为 LLM 任务筛选高信号上下文的技能，面向 Agent 系统设计、调试与优化。它提供关于压缩、记忆、多 Agent 协作、工具设计和评估的参考指南及分析脚本。
主要功能
- 01筛选并压缩任务上下文
- 02规划跨会话记忆系统
- 03设计多 Agent 上下文隔离
- 04改进工具描述与组织
- 05分析上下文健康度和压缩质量
适用场景
- 01排查上下文限制导致的性能问题
- 02降低 LLM 工作流的成本或延迟
- 03设计多 Agent 协作与记忆机制
- 04评估上下文压缩对质量的影响
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/context-engineering确认已加载。
包含的文件
除 SKILL.md 外，安装时一起下载的参考资料和脚本。
references/context-compression.mdcontext-degradation.mdcontext-fundamentals.mdcontext-optimization.mdevaluation.mdmemory-systems.mdmulti-agent-patterns.mdproject-development.mdtool-design.mdscripts/compression_evaluator.pycontext_analyzer.pytests/01-basic-context-optimization.md02-debug-lost-in-middle.md03-multi-agent-coordination.md04-edge-case-context-poisoning.md05-advanced-memory-architecture.md详细介绍
上下文工程
上下文工程会为大模型任务筛选出信号最强、规模最小的词元集合。目标：在尽量减少词元用量的同时，最大限度提升推理质量。
何时启用
- 设计／调试 Agent 系统
- 上下文限制影响性能
- 优化成本／延迟
- 构建多 Agent 协作
- 实现记忆系统
- 评估 Agent 性能
- 开发大模型驱动的管线
核心原则
- 上下文质量 > 数量 - 高信号词元胜过穷举内容
- 注意力有限 - U 形曲线表明，开头和结尾位置更有利
- 渐进式披露 - 按需及时加载信息
- 隔离可防止性能退化 - 在子 Agent 之间划分工作
- 先衡量，再优化 - 了解基准水平
快速参考
| 主题 | 适用场景 | 参考资料 |
|---|---|---|
| 基础知识 | 了解上下文结构、注意力机制 | context-fundamentals.md |
| 性能退化 | 调试故障、信息遗失于中间位置、投毒 | context-degradation.md |
| 优化 | 压缩、屏蔽、缓存、划分 | context-optimization.md |
| 压缩 | 长会话、摘要策略 | context-compression.md |
| 记忆 | 跨会话持久化、知识图谱 | memory-systems.md |
| 多 Agent | 协作模式、上下文隔离 | multi-agent-patterns.md |
| 评估 | 测试 Agent、LLM-as-Judge、指标 | evaluation.md |
| 工具设计 | 工具整合、描述设计 | tool-design.md |
| 管线 | 项目开发、批处理 | project-development.md |
关键指标
- 词元利用率：达到 70% 时发出警告，达到 80% 时触发优化
- 词元变化：可解释 80% 的 Agent 性能差异
- 多 Agent 成本：约为单 Agent 基准成本的 15 倍
- 压缩目标：减少 50-70%，质量损失低于 5%
- 缓存命中率目标：稳定工作负载下达到 70%+
四类策略
- 写入：在外部保存上下文（草稿区、文件）
- 筛选：仅提取相关上下文（检索、过滤）
- 压缩：在保留信息的同时减少词元（摘要）
- 隔离：在子 Agent 之间拆分（划分）
反模式
- 使用穷举式上下文，而非精选上下文
- 将关键信息放在中间位置
- 达到限制前没有设置压缩触发条件
- 可并行处理的任务却只用单个 Agent
- 工具缺少清晰的描述
指南
- 将关键信息放在上下文的开头或结尾
- 在利用率达到 70-80% 时执行压缩
- 使用子 Agent 隔离上下文，而非角色扮演
- 使用四问框架设计工具（用途、时机、输入、返回值）
- 优化每项任务的词元数，而非每次请求的词元数
- 使用基于探测的评估进行验证
- 在生产环境中监控 KV-cache 命中率
- 从最简方案开始，仅在证明必要时增加复杂度
脚本
- context_analyzer.py - 分析上下文健康状况、检测性能退化
- compression_evaluator.py - 评估压缩质量
评论
支持 Markdown