Communitygithub.com

majiayu000/claude-skill-registry-data

Vérifie les limites d'utilisation du contexte, surveille le temps restant, optimise la consommation de jetons et débogue les échecs de contexte. À utiliser pour les questions sur le pourcentage de contexte, les limites de débit, les avertissements d'utilisation, l'optimisation du contexte, les architectures d'agents et les systèmes de mémoire.

Qu'est-ce que claude-skill-registry-data ?

Cette compétence, basée sur le SKILL.md fourni, est dédiée à l'ingénierie de contexte pour les grands modèles de langage. Elle aide les développeurs et les agents à maximiser la qualité du raisonnement tout en minimisant l'utilisation des jetons. La compétence couvre les principes fondamentaux comme la qualité sur la quantité, la courbe d'attention en U, la divulgation progressive, l'isolation et la mesure préalable. Elle propose une stratégie en quatre seaux (écrire, sélectionner, compresser, isoler) pour gérer le contexte, ainsi que des anti-patrons à éviter. La compétence est conçue pour être utilisée lors de la conception de systèmes d'agents, du débogage des limites de contexte, de l'optimisation des coûts et de latence, et de la construction de systèmes multi-agents et de mémoire. Elle inclut également une sensibilisation à l'exécution avec des seuils d'alerte à 70% et 90% d'utilisation du contexte, et des scripts d'analyse de la santé du contexte et d'évaluation de la compression.

Compatible avec✓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

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Ingénierie de Contexte

L'ingénierie de contexte sélectionne le plus petit ensemble de jetons à haute valeur informative pour les tâches LLM. L'objectif : maximiser la qualité du raisonnement tout en minimisant l'utilisation des jetons.

Quand Activer

  • Conception/débogage de systèmes d'agents
  • Les limites de contexte contraignent les performances
  • Optimisation des coûts/de la latence
  • Construction de coordination multi-agent
  • Implémentation de systèmes de mémoire
  • Évaluation des performances des agents
  • Développement de pipelines basés sur LLM

Principes Fondamentaux

  1. Qualité du contexte > quantité - Les jetons à haute valeur informative surpassent le contenu exhaustif
  2. L'attention est limitée - Courbe en U favorise les positions de début/fin
  3. Divulgation progressive - Charger l'information juste-à-temps
  4. L'isolation empêche la dégradation - Partitionner le travail entre sous-agents
  5. Mesurer avant d'optimiser - Connaître sa ligne de base

IMPORTANT :

  • Sacrifier la grammaire pour la concision.
  • Garantir l'efficacité des jetons tout en maintenant une haute qualité.
  • Transmettre ces règles aux sous-agents.

Référence Rapide

SujetQuand l'UtiliserRéférence
FondamentauxComprendre l'anatomie du contexte, mécanique de l'attentioncontext-fundamentals.md
DégradationDéboguer les échecs, perte au milieu, empoisonnementcontext-degradation.md
OptimisationCompactage, masquage, mise en cache, partitionnementcontext-optimization.md
CompressionSessions longues, stratégies de résumécontext-compression.md
MémoirePersistance inter-session, graphes de connaissancesmemory-systems.md
Multi-AgentModèles de coordination, isolation du contextemulti-agent-patterns.md
ÉvaluationTest des agents, LLM comme Juge, métriquesevaluation.md
Conception d'OutilsConsolidation d'outils, ingénierie de descriptiontool-design.md
PipelinesDéveloppement de projet, traitement par lotsproject-development.md
Sensibilisation à l'ExécutionLimites d'utilisation, surveillance de la fenêtre de contexteruntime-awareness.md

Métriques Clés

  • Utilisation des jetons : Avertissement à 70%, déclenchement de l'optimisation à 80%
  • Variance des jetons : Explique 80% de la variance de performance des agents
  • Coût multi-agent : ~15 fois la ligne de base d'un agent unique
  • Objectif de compactage : Réduction de 50-70%, perte de qualité <5%
  • Objectif de cache : 70%+ pour les charges de travail stables

Stratégie des Quatre Seaux

  1. Écrire : Sauvegarder le contexte en externe (blocs-notes, fichiers)
  2. Sélectionner : Extraire uniquement le contexte pertinent (récupération, filtrage)
  3. Compresser : Réduire les jetons tout en préservant l'information (résumé)
  4. Isoler : Répartir entre sous-agents (partitionnement)

Anti-Patrons

  • Contexte exhaustif plutôt que contexte sélectionné
  • Informations critiques en positions centrales
  • Aucun déclencheur de compactage avant les limites
  • Agent unique pour les tâches parallélisables
  • Outils sans descriptions claires

Recommandations

  1. Placer les informations critiques au début/fin du contexte
  2. Implémenter le compactage à 70-80% d'utilisation
  3. Utiliser des sous-agents pour l'isolation du contexte, pas pour le jeu de rôle
  4. Concevoir les outils avec un cadre de 4 questions (quoi, quand, entrées, retours)
  5. Optimiser les jetons par tâche, pas les jetons par requête
  6. Valider avec une évaluation basée sur des sondes
  7. Surveiller les taux de succès du cache KV en production
  8. Commencer par un minimum, ajouter de la complexité seulement si nécessaire

Sensibilisation à l'Exécution

Le système injecte automatiquement la sensibilisation à l'utilisation via le hook PostToolUse :

<usage-awareness>
Limites d'utilisation Claude : 5h=45%, 7d=32%
Utilisation de la fenêtre de contexte : 67%
</usage-awareness>

Seuils :

  • 70% : ATTENTION - envisager une optimisation/compactage
  • 90% : CRITIQUE - action immédiate nécessaire

Sources de Données :

  • Limites d'utilisation : API OAuth Anthropic (https://api.anthropic.com/api/oauth/usage)
  • Fenêtre de contexte : Fichier temporaire Statusline (/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 associés