这个 Skill 能做什么，适合哪些场景？
该技能面向需要处理超长会话、代码库或工具轨迹的代理系统。它建议根据会话特征选择锚定式迭代摘要、不透明压缩或再生式完整摘要。重点是优化每项任务的总令牌消耗，而非单次请求的令牌数，并优先维护文件、标识符和决策的完整轨迹。技能还提供压缩触发策略、探针式评估方法和六维质量评分框架。
它指导代理将被截断的会话内容整理为包含会话意图、文件变更、决策、当前状态和后续步骤的结构化摘要；在后续压缩周期中只合并新增截断内容，并按文件路径和决策进行去重。它还指导记录已创建、修改和读取的文件，以及函数名、变量名、错误消息和错误代码，并使用回忆、文件追踪、任务延续和决策探针评估压缩质量。对于大型代码库，它定义研究、规划和实施三阶段压缩流程。
- 正在调试长期编码会话、需要避免代理忘记已修改文件的软件工程师。
- 管理超过上下文窗口的大型代码库、需要把架构探索压缩为实现规格的开发团队。
- 设计会话摘要策略、需要保留决策依据、错误信息和后续行动的代理工程师。
- 构建压缩质量评估框架、需要通过探针测试事实保留和任务连续性的研究人员。
如何安装这个 Skill？
- 核心评估器中的 LLM judge 仍为演示 stub，不能据此视为生产就绪。
- 正则抽取可能遗漏或误识别错误、文件、决策和后续步骤；压缩摘要还需针对真实会话做回归测试。
- 文档引用的 benchmark 与外部研究结果未在所给材料中提供足够的独立证据。
- 未说明敏感会话内容、凭证、隐私数据和摘要持久化的处理边界。
该仓库以技能目录形式分发。将仓库中的 skills/context-compression 文件夹复制到项目的技能目录，例如：mkdir -p .codex/skills && cp -R skills/context-compression .codex/skills/。也可复制到 .claude/skills/ 或 .agents/skills/。README 还提供了安装整个插件集合的 Claude Code 命令，但该命令会安装多个技能，而不只安装本技能。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/context-compression" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 请压缩当前编码会话，保留会话意图、已创建和修改的完整文件路径、函数名、错误信息、已做决策、当前测试状态和下一步。
在支持 Agent Skills 的客户端中加载该目录，并在长会话或上下文压力下提出具体任务，例如：“请压缩当前编码会话，保留会话意图、已创建和修改的完整文件路径、函数名、错误信息、已做决策、当前测试状态和下一步。”对于需要文件追踪的长期会话，按技能建议采用结构化摘要和滑动窗口触发策略。
这个 Skill 有哪些优点和局限？
- 明确区分三种压缩方法，并说明各自适用的会话类型。
- 强调保存完整文件路径、函数名、错误代码和决策，适合编码与调试场景。
- 提供探针式评估和准确性、上下文感知、文件轨迹等六个质量维度。
- 包含大型代码库的研究、规划、实施三阶段工作流。
- 这是指导性 SKILL.md，不包含可直接运行的压缩程序。
- 文中给出的压缩率和质量分数被明确限定为特定基准结果，不能视为通用保证。
- 若摘要生成错误或过度压缩，仍可能丢失文件标识符、早期约束和代码细节。
- 源材料未描述该单项技能的独立测试套件或平台专项验证。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| 上下文压缩策略 本页 | 50 · 谨慎使用 | ★ 18k | 16 天前 | MIT |
| LeanCTX 本地上下文智能层 | 61 · 推荐 | ★ 3.9k | 13 天前 | Apache-2.0 |
| LeanCTX 本地上下文控制 | 59 · 推荐 | ★ 3.9k | 13 天前 | Apache-2.0 |
| 潜在简报 | 55 · 谨慎使用 | ★ 18k | 16 天前 | MIT |
| Agent 评估方法 | 46 · 谨慎使用 | ★ 18k | 16 天前 | MIT |
技能正文将锚定式迭代摘要、不透明压缩和再生式完整摘要作为三种方案进行比较；它还明确将本技能与同一集合中的 context-optimization、context-degradation、filesystem-context 和 memory-systems 区分开来。
FollowSkills 如何评估这个 Skill？
技能主要提供压缩、总结和评估建议，没有执行外部副作用、凭证处理或数据外传逻辑，因此未发现红线风险；但未明确敏感数据处理、用户确认、权限隔离、回滚和数据流披露，扣除安全治理分。
文档结构自洽，包含脚本、参考文档和针对启发式评分的测试；但核心 LLM judge 明确是 stub，抽取依赖脆弱正则，生产 tokenizer/API/异常路径未实现，静态证据不足，故限制在 10 分以下。
激活条件、非适用的相邻技能、三种压缩策略及适用场景描述清楚，且平台无关；但输入输出契约、边界触发精度、中文使用和中国大陆网络环境适配没有充分说明，扣分。
具备 frontmatter、分层章节、示例、故障提示、引用入口、MIT 许可证和版本/更新时间；但维护责任、更新路径、变更记录及依赖安装说明不完整，且部分 benchmark/外部研究主张在本地材料中不可独立核验，扣分。
对上下文压缩、文件轨迹、探针评估和摘要结构提供了可直接参考的流程与代码骨架；但评估器生产实现未完成、正则抽取覆盖有限、代表性输出未被静态材料验证，实际使用仍需明显改造，按静态上限保守给分。
包含可审计的脚本、测试文件和 CI 线索，测试覆盖两个启发式评分行为；但未提供该技能关键路径的完整、可执行覆盖或独立第三方复现证据，benchmark 数字和外部引用只能视为未充分验证的声明。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →