Communitygithub.com

context-budget

Audita o consumo da janela de contexto do Claude Code entre agentes, skills, servidores MCP e regras. Identifica inchaço, componentes redundantes e produz recomendações priorizadas de economia de tokens. Use quando a janela de contexto estiver enchendo rápido demais e os agentes, skills, servidores MCP ou regras que a consomem precisarem ser identificados.

O que é context-budget?

O Context Budget é uma skill para o Claude Code que realiza uma auditoria completa do consumo de tokens no contexto da sessão. Ela inventaria todos os componentes carregados — agentes, skills, regras, servidores MCP e arquivos CLAUDE.md — estimando o número de tokens que cada um ocupa. A skill classifica cada componente como sempre necessário, às vezes necessário ou raramente necessário, com base em referências no CLAUDE.md e no tipo de projeto. Ela detecta problemas comuns, como descrições de agentes muito longas (que são carregadas a cada chamada de ferramenta), arquivos de regras com sobreposição de conteúdo e servidores MCP com excesso de ferramentas ou que apenas encapsulam comandos CLI. Por fim, gera um relatório detalhado com o overhead total estimado, a porcentagem da janela de contexto disponível e uma lista priorizada das principais otimizações com a economia de tokens prevista. Essa skill é essencial para manter a performance da sessão, liberar espaço antes de adicionar novos componentes e identificar rapidamente as causas de lentidão ou degradação na qualidade das respostas.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/context-budget

Perguntar na sua IA favorita

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

Documentação

Orçamento de Contexto

Analise a sobrecarga de tokens em cada componente carregado em uma sessão do Claude Code e sugira otimizações acionáveis para recuperar espaço de contexto.

Quando Usar

  • A performance da sessão parece lenta ou a qualidade da saída está degradando
  • Você adicionou recentemente muitas skills, agentes ou servidores MCP
  • Você quer saber quanta margem de contexto realmente tem
  • Planejando adicionar mais componentes e precisa saber se há espaço
  • Executando o comando /context-budget (esta skill dá suporte a ele)

Como Funciona

Fase 1: Inventário

Examine todos os diretórios de componentes e estime o consumo de tokens:

Agentes (agents/*.md)

  • Conte linhas e tokens por arquivo (palavras × 1.3)
  • Extraia o comprimento do frontmatter description
  • Sinalize: arquivos >200 linhas (pesados), descrição >30 palavras (frontmatter inchado)

Skills (skills/*/SKILL.md)

  • Conte tokens por SKILL.md
  • Sinalize: arquivos >400 linhas
  • Verifique cópias duplicadas em .agents/skills/ — ignore cópias idênticas para evitar contagem dupla

Regras (rules/**/*.md)

  • Conte tokens por arquivo
  • Sinalize: arquivos >100 linhas
  • Detecte sobreposição de conteúdo entre arquivos de regras no mesmo módulo de idioma

Servidores MCP (.mcp.json ou configuração MCP ativa)

  • Conte servidores configurados e número total de ferramentas
  • Estime sobrecarga de esquema em ~500 tokens por ferramenta
  • Sinalize: servidores com >20 ferramentas, servidores que envolvem comandos CLI simples (gh, git, npm, supabase, vercel)

CLAUDE.md (nível de projeto + usuário)

  • Conte tokens por arquivo na cadeia CLAUDE.md
  • Sinalize: total combinado >300 linhas

Fase 2: Classificar

Classifique cada componente em um balde:

BaldeCritérioAção
Sempre necessárioReferenciado em CLAUDE.md, suporta um comando ativo ou corresponde ao tipo de projeto atualManter
Às vezes necessárioEspecífico de domínio (ex: padrões de linguagem), não referenciado em CLAUDE.mdConsiderar ativação sob demanda
Raramente necessárioNenhuma referência de comando, conteúdo sobreposto ou nenhuma correspondência óbvia com o projetoRemover ou carregar sob demanda

Fase 3: Detectar Problemas

Identifique os seguintes padrões problemáticos:

  • Descrições de agentes inchadas — descrição >30 palavras no frontmatter é carregada em toda invocação da ferramenta Task
  • Agentes pesados — arquivos >200 linhas inflam o contexto da ferramenta Task a cada inicialização
  • Componentes redundantes — skills que duplicam lógica de agente, regras que duplicam CLAUDE.md
  • Assinatura excessiva de MCP — >10 servidores, ou servidores que envolvem ferramentas CLI disponíveis gratuitamente
  • Inchaço do CLAUDE.md — explicações verbosas, seções desatualizadas, instruções que deveriam ser regras

Fase 4: Relatar

Produza o relatório de orçamento de contexto:

Relatório de Orçamento de Contexto
═══════════════════════════════════════

Sobrecarga total estimada: ~XX.XXX tokens
Modelo de contexto: Claude Sonnet (janela de 200K)
Contexto disponível efetivo: ~XXX.XXX tokens (XX%)

Detalhamento de Componentes:
┌─────────────────┬────────┬───────────┐
│ Componente      │ Cont.  │ Tokens    │
├─────────────────┼────────┼───────────┤
│ Agentes         │ N      │ ~X.XXX    │
│ Skills          │ N      │ ~X.XXX    │
│ Regras          │ N      │ ~X.XXX    │
│ Ferramentas MCP │ N      │ ~XX.XXX   │
│ CLAUDE.md       │ N      │ ~X.XXX    │
└─────────────────┴────────┴───────────┘

AVISO: Problemas Encontrados (N):
[classificados por economia de tokens]

Top 3 Otimizações:
1. [ação] → economizar ~X.XXX tokens
2. [ação] → economizar ~X.XXX tokens
3. [ação] → economizar ~X.XXX tokens

Economia potencial: ~XX.XXX tokens (XX% da sobrecarga atual)

No modo verboso, adicionalmente gere contagens de tokens por arquivo, detalhamento linha por linha dos arquivos mais pesados, linhas redundantes específicas entre componentes sobrepostos e lista de ferramentas MCP com estimativas de tamanho de esquema por ferramenta.

Exemplos

Auditoria básica

Usuário: /context-budget
Skill: Examina configuração → 16 agentes (12.400 tokens), 28 skills (6.200), 87 ferramentas MCP (43.500), 2 CLAUDE.md (1.200)
       Sinaliza: 3 agentes pesados, 14 servidores MCP (3 substituíveis por CLI)
       Maior economia: remover 3 servidores MCP → -27.500 tokens (47% de redução de sobrecarga)

Modo verboso

Usuário: /context-budget --verbose
Skill: Relatório completo + detalhamento por arquivo mostrando planner.md (213 linhas, 1.840 tokens),
       Lista de ferramentas MCP com tamanhos por ferramenta, linhas de regras duplicadas lado a lado

Verificação pré-expansão

Usuário: Quero adicionar mais 5 servidores MCP, tenho espaço?
Skill: Sobrecarga atual 33% → adicionar 5 servidores (~50 ferramentas) adicionaria ~25.000 tokens → empurra para 45% de sobrecarga
       Recomendação: remova 2 servidores substituíveis por CLI primeiro para ficar abaixo de 40%

Melhores Práticas

  • Estimativa de tokens: use palavras × 1.3 para prosa, chars / 4 para arquivos com muito código
  • MCP é a maior alavanca: cada esquema de ferramenta custa ~500 tokens; um servidor com 30 ferramentas custa mais que todas as suas skills combinadas
  • Descrições de agentes são sempre carregadas: mesmo que o agente nunca seja invocado, seu campo de descrição está presente em todo contexto da ferramenta Task
  • Modo verboso para depuração: use quando precisar identificar os arquivos exatos que estão gerando sobrecarga, não para auditorias regulares
  • Auditar após mudanças: execute após adicionar qualquer agente, skill ou servidor MCP para detectar aumento cedo

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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Habilidades Relacionadas