Communitygithub.com

majiayu000/claude-skill-registry-data

Verifica los límites de uso de contexto, monitorea el tiempo restante, optimiza el consumo de tokens y depura fallos de contexto. Úsalo cuando preguntes sobre porcentaje de contexto, límites de velocidad, advertencias de uso, optimización de contexto, arquitecturas de agentes y sistemas de memoria.

¿Qué es claude-skill-registry-data?

Esta habilidad de ingeniería de contexto entrena al agente para seleccionar el conjunto mínimo de tokens de alta señal para tareas de LLM, maximizando la calidad del razonamiento y minimizando el uso de tokens. Es útil para desarrolladores que construyen sistemas multiagente, implementan estrategias de memoria o depuran fallos por límites de contexto. Soporta plataformas como Claude Code y Cursor mediante la inyección de conciencia de uso en tiempo real a través de un hook PostToolUse, mostrando los límites de uso de la API y la ocupación de la ventana de contexto. Incluye principios centrales como calidad sobre cantidad, atención finita y divulgación progresiva, además de estrategias concretas como el enfoque de cuatro cubos (escribir, seleccionar, comprimir, aislar) y métricas clave como utilización de tokens y varianza. También proporciona referencias detalladas para fundamentos, optimización, compresión, memoria y evaluación, junto con scripts como context_analyzer.py para analizar la salud del contexto y compression_evaluator.py para evaluar la calidad de compresión.

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

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Ingeniería de Contexto

La ingeniería de contexto selecciona el conjunto mínimo de tokens de alta señal para tareas de LLM. El objetivo: maximizar la calidad del razonamiento minimizando el uso de tokens.

Cuándo Activar

  • Diseñando/depurando sistemas de agentes
  • Los límites de contexto restringen el rendimiento
  • Optimizando costos/latencia
  • Construyendo coordinación multiagente
  • Implementando sistemas de memoria
  • Evaluando el rendimiento de agentes
  • Desarrollando pipelines potenciados por LLM

Principios Centrales

  1. Calidad del contexto > cantidad - Los tokens de alta señal superan al contenido exhaustivo
  2. La atención es finita - Curva en forma de U favorece posiciones de inicio/final
  3. Divulgación progresiva - Cargar información justo a tiempo
  4. El aislamiento previene la degradación - Dividir el trabajo entre subagentes
  5. Mide antes de optimizar - Conoce tu línea base

IMPORTANTE:

  • Sacrifica gramática en favor de la concisión.
  • Asegura eficiencia de tokens manteniendo alta calidad.
  • Transmite estas reglas a los subagentes.

Referencia Rápida

TemaCuándo UsarReferencia
FundamentosEntender anatomía del contexto, mecánica de atencióncontext-fundamentals.md
DegradaciónDepurar fallos, perdido-en-el-medio, envenenamientocontext-degradation.md
OptimizaciónCompactación, enmascaramiento, caché, particionadocontext-optimization.md
CompresiónSesiones largas, estrategias de resumencontext-compression.md
MemoriaPersistencia entre sesiones, grafos de conocimientomemory-systems.md
MultiagentePatrones de coordinación, aislamiento de contextomulti-agent-patterns.md
EvaluaciónProbar agentes, LLM como juez, métricasevaluation.md
Diseño de HerramientasConsolidación de herramientas, ingeniería de descripcionestool-design.md
PipelinesDesarrollo de proyectos, procesamiento por lotesproject-development.md
Conciencia de EjecuciónLímites de uso, monitoreo de ventana de contextoruntime-awareness.md

Métricas Clave

  • Utilización de tokens: Advertencia al 70%, activar optimización al 80%
  • Varianza de tokens: Explica el 80% de la varianza en rendimiento del agente
  • Costo multiagente: ~15 veces la línea base de un solo agente
  • Objetivo de compactación: Reducción del 50-70%, pérdida de calidad <5%
  • Objetivo de aciertos de caché: 70%+ para cargas de trabajo estables

Estrategia de Cuatro Cubos

  1. Escribir: Guardar contexto externamente (blocs de notas, archivos)
  2. Seleccionar: Extraer solo el contexto relevante (recuperación, filtrado)
  3. Comprimir: Reducir tokens preservando información (resumen)
  4. Aislar: Dividir entre subagentes (particionado)

Anti-Patrones

  • Contexto exhaustivo sobre contexto seleccionado
  • Información crítica en posiciones medias
  • Sin desencadenantes de compactación antes de los límites
  • Agente único para tareas paralelizables
  • Herramientas sin descripciones claras

Directrices

  1. Colocar información crítica al inicio/final del contexto
  2. Implementar compactación al 70-80% de utilización
  3. Usar subagentes para aislamiento de contexto, no para juegos de rol
  4. Diseñar herramientas con el marco de 4 preguntas (qué, cuándo, entradas, salidas)
  5. Optimizar por tokens-por-tarea, no por tokens-por-solicitud
  6. Validar con evaluación basada en sondas
  7. Monitorear tasas de aciertos de caché KV en producción
  8. Comenzar mínimo, agregar complejidad solo cuando sea necesario probado

Conciencia de Ejecución

El sistema inyecta automáticamente conciencia de uso mediante el hook PostToolUse:

<usage-awareness>
Límites de Uso de Claude: 5h=45%, 7d=32%
Uso de Ventana de Contexto: 67%
</usage-awareness>

Umbrales:

  • 70%: ADVERTENCIA - considerar optimización/compactación
  • 90%: CRÍTICO - acción inmediata necesaria

Fuentes de Datos:

  • Límites de uso: API OAuth de Anthropic (https://api.anthropic.com/api/oauth/usage)
  • Ventana de contexto: Archivo temporal de línea de estado (/tmp/ck-context-{session_id}.json)

Scripts

Individual skills in this repo

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

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

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-data

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-data

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-data

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-data

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-data

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

majiayu000/claude-skill-registry-data

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-data

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-data

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-data

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-data

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-data

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

majiayu000/claude-skill-registry-data

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry-data

Conduct market research on competition and customers. Use when the user says "create a market research report about [business idea]".

majiayu000/claude-skill-registry-data

Conduct technical research on technologies and architecture. Use when the user says "create a technical research report on [topic]".

majiayu000/claude-skill-registry-data

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".

Skills relacionados