Context Engineering|上下文压缩与优化套件
整合上下文压缩、Token 预算、工具输出遮蔽、缓存与检索优化等 18 个发布技能,帮助长会话与 AI Agent 保留目标、决策和关键状态。
适用职业:开发者与工程师
关于Context Engineering|上下文压缩与优化套件
Agent Skills for Context Engineering 是 Muratcan Koylan 维护的上下文工程技能套件,覆盖压缩、优化、诊断、记忆、协作与评估等主题。本条以完整官方仓库统一收录,重点介绍 Context Compression 与 Context Optimization;两者均属于现有 18 个正式发布技能,集合入口、示例与模板另计。
Context Compression 通过明确的摘要栏目保留会话意图、文件变更、关键决策、当前状态与下一步。对持续多轮的任务,可只总结新截断的内容并增量合并,另行维护文件与标识符索引,减少摘要反复改写造成的细节漂移。压缩后可用事实回忆、文件追踪、决策解释和继续执行等问题检查关键信息是否保留。
Context Optimization 是套件中负责上下文效率与预算策略的技能,覆盖 Token 预算、工具输出遮蔽、稳定提示前缀与 KV 缓存、检索范围收紧和多 Agent 上下文分区。它按实际占用与任务需要选择优化方式:已提炼的信息可用简短引用代替,并保留原文回取入口;稳定内容前置以利缓存,动态内容后置;超出单个上下文能力时再分区协作。它关注整个任务的质量、用量与延迟,不能仅以单次提示更短判断优化有效。
应比较完成整个任务的 Token 消耗与重新读取资料的成本,而非只追求单次请求更短。压缩可能丢失路径、错误信息或约束,摘要应对照原始记录核验。这里介绍的是官方文档中的方法,本次未运行示例、测量压缩效果或逐客户端验证兼容性。
收录方式:完整上下文工程套件,包含 Context Compression 与 Context Optimization。正式发布目录共 18 个技能;另有集合入口、4 个示例和 1 个模板,共 24 个 SKILL.md 文件,不能全部计为正式子技能。
交付内容
- 01
含目标、文件变更、决策、状态和下一步的结构化摘要
- 02
面向持续会话的增量合并与交接方案
- 03
文件、函数、错误信息等关键标识符的保留清单
- 04
以事实、文件、决策和任务续接为主题的摘要质量检查问题
- 05
按具体任务选择的上下文诊断、记忆、协作与评估方法
- 06
按系统提示、工具、检索资料、会话与工具输出制定上下文预算和触发策略
- 07
保留可回取原文的工具输出遮蔽方案与关键内容保留清单
- 08
稳定提示前缀、缓存复用、检索范围收紧与上下文分区建议
- 09
结合任务质量、总 Token 用量、缓存命中与延迟的评估方案