Communitygithub.com

Context Engineering

Überprüft Kontextnutzungsgrenzen, überwacht die verbleibende Zeit, optimiert den Tokenverbrauch und debuggt Kontextfehler. Verwenden Sie dies bei Fragen zu Kontextprozent, Ratenbegrenzungen, Nutzungswarnungen, Kontextoptimierung, Agentenarchitekturen und Speichersystemen.

Was ist Context Engineering?

Die Fähigkeit 'Context Engineering' bietet eine umfassende Reihe von Prinzipien, Metriken und Handlungsanleitungen zur Optimierung der Kontextnutzung in LLM-basierten Agentensystemen. Sie hilft Entwicklern, die Token-Effizienz zu maximieren, die Antwortqualität zu erhalten und kostspielige Kontextüberschreitungen zu vermeiden. Die Fähigkeit unterstützt Plattformen wie Claude Code, Cursor und Codex und führt Benutzer durch die Kernprinzipien der Kontextqualität, fortschrittliche Komprimierungsstrategien und Techniken zur Laufzeitüberwachung. Sie enthält auch detaillierte Referenzen zu Themen wie Kontextverschlechterung, Multi-Agent-Koordination und Gedächtnissysteme sowie praktische Skripte zur Kontextanalyse und Komprimierungsbewertung.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/majiayu000/claude-skill-registry/tree/HEAD/skills/context-management/context-engineering-hoanghd218-landing-page-ai-kien-2

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht Context Engineering?

Context Engineering kuratiert den kleinsten, signalstarken Token-Set für LLM-Aufgaben. Das Ziel: Die Reasoning-Qualität maximieren und gleichzeitig die Token-Nutzung minimieren.

Wann aktivieren

  • Entwerfen/Debuggen von Agentsystemen
  • Kontextlimits schränken die Leistung ein
  • Optimierung von Kosten/Latenz
  • Aufbau von Multi-Agent-Koordination
  • Implementierung von Speichersystemen
  • Bewertung der Agentenleistung
  • Entwicklung LLM-gestützter Pipelines

Kernprinzipien

  1. Kontextqualität > Quantität - Signalstarke Tokens schlagen erschöpfende Inhalte
  2. Aufmerksamkeit ist begrenzt - U-förmige Kurve bevorzugt Anfangs-/Endpositionen
  3. Progressive Offenlegung - Informationen just-in-time laden
  4. Isolation verhindert Degradation - Arbeit auf Unter-Agenten aufteilen
  5. Messen vor Optimieren - Kennen Sie Ihre Basislinie

WICHTIG:

  • Opfere Grammatik zugunsten der Prägnanz.
  • Stelle Tokeneffizienz bei gleichbleibend hoher Qualität sicher.
  • Gib diese Regeln an Unter-Agenten weiter.

Kurzreferenz

ThemaWann verwendenReferenz
GrundlagenKontextanatomie, Aufmerksamkeitsmechanismen verstehencontext-fundamentals.md
DegradationFehler debuggen, Lost-in-the-Middle, Vergiftungcontext-degradation.md
OptimierungKompaktierung, Maskierung, Caching, Partitionierungcontext-optimization.md
KomprimierungLange Sitzungen, Zusammenfassungsstrategiencontext-compression.md
SpeicherSitzungsübergreifende Persistenz, Wissensgraphenmemory-systems.md
Multi-AgentKoordinationsmuster, Kontextisolationmulti-agent-patterns.md
EvaluationTesten von Agenten, LLM-as-Judge, Metrikenevaluation.md
Tool-DesignTool-Konsolidierung, Beschreibungsentwicklungtool-design.md
PipelinesProjektentwicklung, Batchverarbeitungproject-development.md
LaufzeitbewusstseinNutzungslimits, Kontextfensterüberwachungruntime-awareness.md

Schlüsselmetriken

  • Token-Auslastung: Warnung bei 70%, Optimierung bei 80% auslösen
  • Token-Varianz: Erklärt 80% der Leistungsvarianz von Agenten
  • Multi-Agent-Kosten: ~15x Einzelagent-Baseline
  • Kompaktierungsziel: 50-70% Reduktion, <5% Qualitätsverlust
  • Cache-Treffer-Ziel: 70%+ für stabile Arbeitslasten

Vier-Eimer-Strategie

  1. Schreiben: Kontext extern speichern (Notizblöcke, Dateien)
  2. Auswählen: Nur relevanten Kontext abrufen (Retrieval, Filterung)
  3. Komprimieren: Token reduzieren bei gleichzeitiger Informationserhaltung (Zusammenfassung)
  4. Isolieren: Auf Unter-Agenten aufteilen (Partitionierung)

Anti-Patterns

  • Erschöpfender Kontext gegenüber kuratiertem Kontext
  • Kritische Informationen in mittleren Positionen
  • Keine Kompaktierungsauslöser vor Limits
  • Einzelner Agent für parallelisierbare Aufgaben
  • Werkzeuge ohne klare Beschreibungen

Richtlinien

  1. Platziere kritische Informationen am Anfang/Ende des Kontexts
  2. Implementiere Kompaktierung bei 70-80% Auslastung
  3. Verwende Unter-Agenten zur Kontextisolation, nicht zum Rollenspiel
  4. Entwerfe Werkzeuge mit dem 4-Fragen-Rahmen (Was, Wann, Eingaben, Rückgaben)
  5. Optimiere für Token pro Aufgabe, nicht für Token pro Anfrage
  6. Validiere mit sondenbasierter Evaluation
  7. Überwache KV-Cache-Trefferraten in der Produktion
  8. Beginne minimal, füge Komplexität nur hinzu, wenn sie sich als notwendig erweist

Laufzeitbewusstsein

Das System injiziert automatisch Nutzungsbewusstsein über den PostToolUse-Hook:

<usage-awareness>
Claude Usage Limits: 5h=45%, 7d=32%
Context Window Usage: 67%
</usage-awareness>

Schwellenwerte:

  • 70%: WARNUNG - Optimierung/Kompaktierung in Betracht ziehen
  • 90%: KRITISCH - sofortiges Handeln erforderlich

Datenquellen:

  • Nutzungslimits: Anthropic OAuth API (https://api.anthropic.com/api/oauth/usage)
  • Kontextfenster: Statusline-Temp-Datei (/tmp/ck-context-{session_id}.json)

Skripte

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry

BlockRun works with Claude Code and Google Antigravity.

majiayu000/claude-skill-registry

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry

CRITICAL: Use for MolyKit AI chat toolkit. Triggers on: BotClient, OpenAI, SSE streaming, AI chat, molykit, PlatformSend, spawn(), ThreadToken, cross-platform async, Chat widget, Messages, PromptInput, Avatar, LLM

majiayu000/claude-skill-registry

AI and machine learning workflow covering LLM application development, RAG implementation, agent architecture, ML pipelines, and AI-powered features.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Verwandte Skills