关于 context-packager
在复杂的 AI 辅助分析前，整理可复用的上下文包。它合并并去重来源内容、估算 Token 用量、评估上下文质量，并生成可直接用于提示词的材料。
主要功能
- 01按任务选择上下文层
- 02合并并去重源文件
- 03估算 Token 数并精简内容
- 04评估上下文完整性与相关性
- 05保存可复用的提示词包
适用场景
- 01为多步骤分析准备上下文
- 02整合项目架构资料与过往结论
- 03控制上下文包的 Token 用量
- 04在后续 AI 会话中复用上下文
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-packager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。
assets/context_package_template.mdreferences/context_layering_guide.mdcontext_quality_rubric.mdscripts/context_bundler.pytoken_counter.py详细介绍
适用场景
在开始 AI 辅助分析会话之前，如果任务所需内容不止一个提示词，例如复杂调查、多步骤分析，或依赖项目特定知识的工作，就可以使用此流程。精心整理的上下文包可以减少来回沟通，并带来更好的首次响应。
流程
- 确定所需的上下文层 — 使用
references/context_layering_guide.md确定需要哪些层：任务定义、业务背景、数据架构、先前发现、约束条件和输出格式。 - 收集并去重来源 — 运行
scripts/context_bundler.py，将多个上下文文件合并为一个结构化的上下文包；该脚本会去重并按层级顺序整理内容。 - 检查令牌预算 — 对上下文包运行
scripts/token_counter.py，估算令牌数量；如果超出预算，则精简优先级较低的层（精简优先级见references/context_layering_guide.md）。 - 评估上下文质量 — 根据
references/context_quality_rubric.md评估上下文包；在完整性、清晰度和相关性方面，优质上下文包的得分应 ≥ 7/10。 - 撰写提示词头部 — 在上下文包前添加清晰的任务说明：你需要什么、期望的输出格式，以及任何硬性约束。
- 保存上下文包 — 使用
assets/context_package_template.md保存上下文包，以便在后续会话中复用或更新。
技能所需输入
- 任务描述（你希望 AI 执行的操作）
- 上下文来源文件或片段列表（架构文档、先前报告、业务定义）
- 令牌预算（默认：100k 个令牌）
输出
- 合并后的上下文包（单个文本文件）
- 令牌数量估算
- 上下文质量评分
- 可直接使用的提示词及任务头部（
context_package_template.md）
评论
支持 Markdown