Communitygithub.com

Engenharia de Contexto

Verifica limites de uso de contexto, monitora o tempo restante, otimiza o consumo de tokens e depura falhas de contexto. Use ao perguntar sobre porcentagem de contexto, limites de taxa, avisos de uso, otimização de contexto, arquiteturas de agente e sistemas de memória.

O que é Engenharia de Contexto?

A habilidade 'Engenharia de Contexto' (Context Engineering) é especializada em curar o menor conjunto de tokens de alto sinal para tarefas de LLM, maximizando a qualidade do raciocínio enquanto minimiza o uso de tokens. É útil para desenvolvedores que projetam ou depuram sistemas de agente, enfrentam limites de contexto que restringem o desempenho, otimizam custo/latência, constroem coordenação multi-agente, implementam sistemas de memória, avaliam desempenho de agentes ou desenvolvem pipelines baseados em LLM. A habilidade suporta plataformas como Claude Code, Cursor e Codex, fornecendo princípios fundamentais (qualidade > quantidade, atenção finita, divulgação progressiva), uma estratégia de quatro baldes (Escrever, Selecionar, Comprimir, Isolar), métricas-chave (utilização de tokens, variação de tokens, custo multi-agente) e consciência de tempo de execução que injeta automaticamente o uso do contexto via hook PostToolUse, com limites de alerta em 70% e 90%. Inclui também scripts como 'context_analyzer.py' para análise de saúde do contexto e 'compression_evaluator.py' para avaliação de qualidade de compressão.

Funciona com✓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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que Engenharia de Contexto faz?

A engenharia de contexto cura o menor conjunto de tokens de alto sinal para tarefas de LLM. O objetivo: maximizar a qualidade do raciocínio enquanto minimiza o uso de tokens.

Quando Ativar

  • Projetar/depurar sistemas de agente
  • Limites de contexto restringem o desempenho
  • Otimizar custo/latência
  • Construir coordenação multi-agente
  • Implementar sistemas de memória
  • Avaliar desempenho do agente
  • Desenvolver pipelines baseados em LLM

Princípios Básicos

  1. Qualidade do contexto > quantidade - Tokens de alto sinal vencem conteúdo exaustivo
  2. A atenção é finita - Curva em forma de U favorece posições de início/fim
  3. Divulgação progressiva - Carregue informações no momento certo
  4. Isolamento previne degradação - Partilhe o trabalho entre subagentes
  5. Meça antes de otimizar - Conheça sua linha de base

IMPORTANTE:

  • Sacrifique a gramática em prol da concisão.
  • Garanta eficiência de tokens mantendo alta qualidade.
  • Passe estas regras para subagentes.

Referência Rápida

TópicoQuando UsarReferência
FundamentosEntendendo anatomia de contexto, mecânica de atençãocontext-fundamentals.md
DegradaçãoDepuração de falhas, perdido-no-meio, envenenamentocontext-degradation.md
OtimizaçãoCompactação, mascaramento, cache, particionamentocontext-optimization.md
CompressãoSessões longas, estratégias de sumarizaçãocontext-compression.md
MemóriaPersistência entre sessões, grafos de conhecimentomemory-systems.md
Multi-AgentePadrões de coordenação, isolamento de contextomulti-agent-patterns.md
AvaliaçãoTestando agentes, LLM-como-Juiz, métricasevaluation.md
Design de FerramentasConsolidação de ferramentas, engenharia de descriçõestool-design.md
PipelinesDesenvolvimento de projetos, processamento em loteproject-development.md
Consciência de RuntimeLimites de uso, monitoramento da janela de contextoruntime-awareness.md

Métricas-Chave

  • Utilização de tokens: Aviso em 70%, gatilho de otimização em 80%
  • Variação de tokens: Explica 80% da variação de desempenho do agente
  • Custo multi-agente: ~15x a linha de base de agente único
  • Meta de compactação: Redução de 50-70%, perda de qualidade <5%
  • Meta de cache hit: 70%+ para cargas de trabalho estáveis

Estratégia de Quatro Baldes

  1. Escrever: Salvar contexto externamente (rascunhos, arquivos)
  2. Selecionar: Puxar apenas o contexto relevante (recuperação, filtragem)
  3. Comprimir: Reduzir tokens preservando informações (sumarização)
  4. Isolar: Dividir entre subagentes (particionamento)

Anti-Padrões

  • Contexto exaustivo em vez de contexto curado
  • Informações críticas em posições intermediárias
  • Nenhum gatilho de compactação antes dos limites
  • Agente único para tarefas paralelizáveis
  • Ferramentas sem descrições claras

Diretrizes

  1. Coloque informações críticas no início/fim do contexto
  2. Implemente compactação em 70-80% de utilização
  3. Use subagentes para isolamento de contexto, não para role-play
  4. Projete ferramentas com estrutura de 4 perguntas (o que, quando, entradas, retornos)
  5. Otimize para tokens-por-tarefa, não tokens-por-requisição
  6. Valide com avaliação baseada em sonda
  7. Monitore taxas de cache de KV em produção
  8. Comece mínimo, adicione complexidade apenas quando comprovadamente necessário

Consciência de Runtime

O sistema injeta automaticamente a consciência de uso via hook PostToolUse:

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

Limiares:

  • 70%: AVISO - considere otimização/compactação
  • 90%: CRÍTICO - ação imediata necessária

Fontes de Dados:

  • Limites de uso: API OAuth da Anthropic (https://api.anthropic.com/api/oauth/usage)
  • Janela de contexto: Arquivo temporário de status (/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".

Habilidades Relacionadas