Communitygithub.com

context-budget

Prüft den Kontextfensterverbrauch von Claude Code über Agents, Skills, MCP-Server und Regeln. Identifiziert Blähungen, redundante Komponenten und erstellt priorisierte Empfehlungen zur Tokeneinsparung.

Was ist context-budget?

Diese Skill führt eine umfassende Prüfung des Kontextfensterverbrauchs in Claude Code durch. Sie erfasst alle geladenen Komponenten – Agents, Skills, MCP-Server und Regeln – und schätzt deren Token-Verbrauch. Besonders nützlich, wenn die Sitzung träge wird oder Sie viele Komponenten hinzugefügt haben. Die Skill erstellt einen detaillierten Bericht mit einer Aufschlüsselung der Tokennutzung, identifiziert Blähungen und redundante Komponenten und gibt priorisierte Optimierungsempfehlungen. Sie unterstützt sowohl einen einfachen Schnellcheck als auch einen ausführlichen Modus, der die teuersten Dateien Zeile für Zeile analysiert.

Funktioniert mit✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/context-budget

In Ihrer bevorzugten KI fragen

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

Dokumentation

Context Budget

Analysiere den Token-Overhead jeder geladenen Komponente in einer Claude Code Sitzung und decke umsetzbare Optimierungen auf, um Kontextspeicherplatz zurückzugewinnen.

Wann verwenden

  • Die Sitzungsleistung fühlt sich träge an oder die Ausgabequalität lässt nach
  • Du hast kürzlich viele Skills, Agents oder MCP-Server hinzugefügt
  • Du möchtest wissen, wie viel Kontextspielraum du tatsächlich hast
  • Du planst, weitere Komponenten hinzuzufügen und musst wissen, ob noch Platz ist
  • Ausführen des Befehls /context-budget (diese Skill unterstützt ihn)

Funktionsweise

Phase 1: Bestandsaufnahme

Scanne alle Komponentenverzeichnisse und schätze den Tokenverbrauch:

Agents (agents/*.md)

  • Zähle Zeilen und Tokens pro Datei (Wörter × 1,3)
  • Extrahiere Länge der description Frontmatter
  • Markieren: Dateien >200 Zeilen (schwer), Beschreibung >30 Wörter (aufgeblähte Frontmatter)

Skills (skills/*/SKILL.md)

  • Zähle Tokens pro SKILL.md
  • Markieren: Dateien >400 Zeilen
  • Prüfe auf doppelte Kopien in .agents/skills/ – überspringe identische Kopien, um Doppelzählung zu vermeiden

Regeln (rules/**/*.md)

  • Zähle Tokens pro Datei
  • Markieren: Dateien >100 Zeilen
  • Erkenne inhaltliche Überschneidungen zwischen Regeldateien im selben Sprachmodul

MCP-Server (.mcp.json oder aktive MCP-Konfiguration)

  • Zähle konfigurierte Server und die Gesamtzahl der Tools
  • Schätze Schema-Overhead mit ~500 Tokens pro Tool
  • Markieren: Server mit >20 Tools, Server die einfache CLI-Befehle wrappen (gh, git, npm, supabase, vercel)

CLAUDE.md (Projekt- und Benutzerebene)

  • Zähle Tokens pro Datei in der CLAUDE.md-Kette
  • Markieren: Gesamtsumme >300 Zeilen

Phase 2: Klassifizieren

Ordne jede Komponente einem Eimer zu:

EimerKriteriumAktion
Immer benötigtReferenziert in CLAUDE.md, unterstützt einen aktiven Befehl oder entspricht aktuellem ProjekttypBehalten
Manchmal benötigtDomänenspezifisch (z.B. Sprachmuster), nicht in CLAUDE.md referenziertÜber bedarfsgesteuerte Aktivierung nachdenken
Selten benötigtKeine Befehlsreferenz, überlappender Inhalt oder keine offensichtliche ProjektübereinstimmungEntfernen oder Lazy-Load

Phase 3: Probleme erkennen

Identifiziere die folgenden Problem-Muster:

  • Aufgeblähte Agentenbeschreibungen – Beschreibung >30 Wörter in der Frontmatter wird bei jedem Task-Tool-Aufruf geladen
  • Schwere Agents – Dateien >200 Zeilen blähen den Task-Tool-Kontext bei jedem Start auf
  • Redundante Komponenten – Skills, die Agentenlogik duplizieren, Regeln, die CLAUDE.md duplizieren
  • MCP-Überabonnement – >10 Server oder Server, die CLI-Tools wrappen, die kostenlos verfügbar sind
  • CLAUDE.md-Blahung – Ausführliche Erklärungen, veraltete Abschnitte, Anweisungen, die Regeln sein sollten

Phase 4: Bericht

Erstelle den Context Budget Bericht:

Context Budget Bericht
═══════════════════════════════════════

Geschätzter Gesamt-Overhead: ~XX,XXX Tokens
Kontextmodell: Claude Sonnet (200K Fenster)
Effektiv verfügbarer Kontext: ~XXX,XXX Tokens (XX%)

Komponentenaufschlüsselung:
┌─────────────────┬────────┬───────────┐
│ Komponente      │ Anzahl │ Tokens    │
├─────────────────┼────────┼───────────┤
│ Agents          │ N      │ ~X,XXX    │
│ Skills          │ N      │ ~X,XXX    │
│ Regeln          │ N      │ ~X,XXX    │
│ MCP-Tools       │ N      │ ~XX,XXX   │
│ CLAUDE.md       │ N      │ ~X,XXX    │
└─────────────────┴────────┴───────────┘

WARNUNG: Gefundene Probleme (N):
[nach Tokeneinsparung geordnet]

Top 3 Optimierungen:
1. [Aktion] → spare ~X,XXX Tokens
2. [Aktion] → spare ~X,XXX Tokens
3. [Aktion] → spare ~X,XXX Tokens

Mögliche Einsparungen: ~XX,XXX Tokens (XX% des aktuellen Overheads)

Im ausführlichen Modus zusätzlich ausgeben: Tokenanzahl pro Datei, zeilenweise Aufschlüsselung der schwersten Dateien, spezifische redundante Zeilen zwischen überlappenden Komponenten und MCP-Tool-Liste mit geschätzter Schemagröße pro Tool.

Beispiele

Einfache Prüfung

Benutzer: /context-budget
Skill: Scannt Setup → 16 Agents (12.400 Tokens), 28 Skills (6.200), 87 MCP-Tools (43.500), 2 CLAUDE.md (1.200)
       Markiert: 3 schwere Agents, 14 MCP-Server (3 CLI-ersetzbar)
       Größte Einsparung: 3 MCP-Server entfernen → -27.500 Tokens (47% Overhead-Reduktion)

Ausführlicher Modus

Benutzer: /context-budget --verbose
Skill: Vollständiger Bericht + Aufschlüsselung pro Datei, die planner.md (213 Zeilen, 1.840 Tokens) zeigt,
       MCP-Tool-Liste mit Größen pro Tool, duplizierte Regelzeilen nebeneinander

Prüfung vor Erweiterung

Benutzer: Ich möchte 5 weitere MCP-Server hinzufügen, habe ich Platz?
Skill: Aktueller Overhead 33% → Hinzufügen von 5 Servern (~50 Tools) würde ~25.000 Tokens hinzufügen → steigt auf 45% Overhead
       Empfehlung: zuerst 2 CLI-ersetzbare Server entfernen, um unter 40% zu bleiben

Best Practices

  • Tokenschätzung: verwende Wörter × 1,3 für Prosa, Zeichen / 4 für code-lastige Dateien
  • MCP ist der größte Hebel: jedes Tool-Schema kostet ~500 Tokens; ein Server mit 30 Tools kostet mehr als alle deine Skills zusammen
  • Agentenbeschreibungen werden immer geladen: selbst wenn der Agent nie aufgerufen wird, ist sein Beschreibungsfeld in jedem Task-Tool-Kontext vorhanden
  • Ausführlicher Modus zum Debuggen: verwende ihn, wenn du die genauen Dateien identifizieren musst, die den Overhead verursachen, nicht für regelmäßige Prüfungen
  • Prüfung nach Änderungen: führe sie nach dem Hinzufügen von Agenten, Skills oder MCP-Servern aus, um ein frühzeitiges Anwachsen zu erkennen

Individual skills in this repo

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

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Verwandte Skills