开发与工程 context-compressionconversation-summarizationtoken-optimizationhandoff-summariesartifact-trackingagent-evaluation

上下文压缩策略

在长期代理会话中压缩上下文,同时保留文件变更、决策和后续行动。

FollowSkills 评估 · FSRS-2.0
不推荐
50/ 100 五分制 2.5 / 5
信任安全12 / 25 · 2.4/5

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。

可靠稳定8 / 20 · 2.0/5

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。

适用触发10 / 15 · 3.3/5

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。

规范维护10 / 15 · 3.3/5

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。

有效结果6 / 15 · 2.0/5

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。

证据核验4 / 10 · 2.0/5

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。

证据充分度: 评估于 2026年7月20日 审查版本 c578e85e40fe
使用前请注意
  • 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。
查看完整评分方法 →

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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。

这个 Skill 有哪些优点和局限?

优点
  • 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。
局限
  • 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。

如何安装这个 Skill?

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/.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。

如何使用这个 Skill?

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 与同类方案有什么区别?

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。

常见问题

这项技能是否需要额外付费服务?
源材料未说明额外费用,也未列出付费依赖;它主要提供摘要策略和评估指导。
它是否会自动修改文件或调用外部工具?
不会。源材料展示的是结构化摘要、文件状态记录和评估方法,没有提供自动执行这些操作的脚本或工具调用。
什么情况下不应使用它?
不应把它用于通用令牌优化、长上下文故障诊断、仅写入原始日志,或设计跨会话长期语义记忆;这些场景由集合中的其他技能负责。
压缩后如何检查关键信息是否保留?
使用探针提问检查原始错误、已修改文件、下一步计划和关键决策,并覆盖六个评估维度。

同仓库的其他 Skills

均来自 muratcankoylan/Agent-Skills-for-Context-Engineering

开发与工程

潜在简报

通过任务引导的 KV 缓存压缩,在可控运行时高效共享编排器与工作器之间的上下文状态。

开发与工程

Agent 评估方法

为智能体流水线建立可重复的评估、回归检测与质量门禁。

开发与工程

上下文工程与智能体系统指南

帮助团队设计、优化和评估具备可靠上下文管理能力的生产级智能体系统。

开发与工程

上下文工程基础

用注意力预算和上下文质量原则,理解并设计更可靠的智能体上下文。

开发与工程

文件系统上下文工程

将大型、持久或共享的代理上下文移入文件,按需检索以减少上下文压力。

开发与工程

上下文效率优化

通过缓存、遮蔽、压缩与分区降低上下文成本,同时保护回答质量。

开发与工程

长程智能体提示设计

为长期自主运行和并行多智能体任务设计可验证、抗近似交付的启动提示。

开发与工程

多智能体架构模式

帮助你设计具备上下文隔离、协调协议和可靠交接机制的多智能体系统。

开发与工程

持久语义记忆架构

帮助智能体设计可扩展、可检索且能处理时间变化的持久记忆系统。

开发与工程

上下文退化诊断

定位并缓解长上下文中的注意力丢失、污染、干扰、混淆与冲突。

开发与工程

推理轨迹优化器

通过分析智能体的推理轨迹,定位上下文、工具和指令问题,并迭代优化提示词。

开发与工程

自我改进循环

让智能体系统在受控评估中迭代自身的上下文、工作流与代码。

开发与工程

高级 LLM 评测

为 LLM 输出构建可审计、可校准并能缓解评测偏差的自动化评估流程。

开发与工程

项目级智能体开发方法论

帮助你判断是否该用大语言模型,并设计可迭代、可解析、可控成本的智能体项目流水线。

开发与工程

BDI 心智状态建模

把 RDF 上下文转化为可解释的信念、愿望与意图链。

开发与工程

自主智能体控制台

为自主智能体设计可控、可恢复、可审计的运行框架。

开发与工程

Agent Skill 蓝图模板

为上下文工程技能提供可复用的结构、边界和质量检查框架。

效率与协作

数字大脑个人操作系统

用结构化文件和 AI 管理内容、关系、知识与目标。

开发与工程

智能体工具设计指南

帮助你设计清晰、可路由、可恢复的智能体工具接口。

开发与工程

严谨研究代理

为多步骤研究建立验证、故障恢复与来源追踪流程。

相关 Skills