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。
该技能主要提供概念说明和本地 Python 示例，没有凭据访问、网络写入、破坏性默认操作或明显越权风险，因此基础信任较高。扣分原因是脚本会读取任意传入路径、文件不存在时静默返回空字符串，未说明敏感数据处理、路径隔离、用户确认或恢复机制；来源归属也仅以贡献者署名呈现，发布者身份未验证。
SKILL.md、参考文档和脚本在核心概念上基本一致，且脚本无第三方依赖，正常路径可理解。扣分原因是静态证据不足，且存在可诊断性和一致性问题：消息截断的预算计算与消息开销处理不一致，ContextBuilder 可能直接丢弃超预算章节，文件加载失败静默返回空字符串，未见针对该技能脚本关键路径的专门测试。依据静态校准，不能超过10分。
触发条件、适用场景和不适用的操作范围写得清楚，并明确路由到其他技能；内容平台无关，核心脚本可在本地 Python 环境运行。扣分原因是没有明确输入输出契约、版本兼容范围或更细的误触发边界；未提供中文示例或中文环境验证，但核心功能不依赖海外服务，因此未作网络可达性重扣。
文档采用渐进式结构，包含 frontmatter、激活条件、路由、示例、陷阱、参考文件、脚本说明、创建日期、更新时间、作者、版本和 MIT 许可。扣分原因是没有明确维护负责人、变更日志或更新流程，外部研究引用缺少具体可审计出处，安装和故障排查说明也不完整。
该技能能够直接提供上下文、注意力、渐进披露和信号密度等概念框架，并附带可复用的上下文管理脚本，核心教育价值明确。扣分原因是这是概念型技能，实际结果正确性和比较优势没有在选定技能路径上得到执行验证；示例脚本的近似分词、截断和静默失败行为可能需要用户修订。依据静态校准，不能超过7分。
脚本、参考文档和元数据均可静态审计，仓库还提供通用 CI、验证脚本和部分测试证据。扣分原因是这些 CI 和测试主要覆盖仓库工具或其他示例，并未覆盖 context-fundamentals 脚本的关键路径；核心注意力和性能主张在所给材料中缺少可复现的第三方证据。依据静态校准，不能超过5分。
- 不要将示例脚本的字符比例估算用于硬性 token 限制；应替换为目标模型的真实 tokenizer。
- ContextBuilder、消息截断和文件加载存在静默丢失或空结果风险，生产使用前应补充边界测试、显式错误反馈和输入路径约束。
- 文档中的注意力曲线、工具 schema 膨胀和性能数字在所给材料中未提供充分的可复现证据。
- 发布者身份未被 FollowSkills 企业登记库验证，维护责任和更新路径需要另行确认。
这个 Skill 能做什么，适合哪些场景？
这是一个面向上下文工程入门与概念推理的 Agent Skill。它解释上下文窗口的组成、注意力机制、U 形注意力曲线，以及为什么高信号内容比更大的上下文更重要。它还介绍系统提示、工具定义、检索文档、消息历史和工具输出的组织原则。调试、压缩、优化和文件卸载等操作性任务应转交给仓库中的其他专门技能。
解释上下文由系统指令、工具定义、检索文档、消息历史和工具输出组成；用有限注意力预算、有效容量和位置敏感性分析上下文设计；提供系统提示分段、工具描述、文档分块、渐进式披露、消息历史整理和工具输出保留的原则；根据任务将操作性问题路由至 context-degradation、context-optimization、context-compression、filesystem-context 或 project-development。它不运行脚本、不调用外部服务，也不执行自动化测试。
- 刚接触上下文工程的开发者，需要先理解注意力预算和上下文窗口的基本模型。
- 正在设计智能体系统的工程师，需要从第一性原理分析某项上下文取舍。
- 编写上下文工程文档的技术作者，需要解释工具、历史记录和检索内容如何影响模型行为。
- 需要判断是否应压缩长会话的团队，想先理解压缩的原因，再选择具体策略。
这个 Skill 有哪些优点和局限？
- 概念范围清晰，专注于上下文工程的基础模型。
- 覆盖系统提示、工具定义、检索文档、消息历史和工具输出等主要上下文组成部分。
- 提供渐进式披露、信号密度和位置感知等可迁移原则。
- 采用仅含 name 和 description 的标准 SKILL.md 前置元数据，没有显示的平台专属扩展。
- 主要是概念指导，不提供可直接执行的实现脚本。
- 没有为该技能列出自动化测试或量化验证结果。
- 文档中的部分经验性数字和机制主张未在该技能内提供完整研究证据。
- 操作性问题需要另外安装或加载仓库中的相关技能。
如何安装这个 Skill？
获取仓库后，将完整技能目录复制到目标 Agent Skills 目录；不要把 SKILL.md 展平成单个文件。例如：
mkdir -p .codex/skills
cp -R skills/context-fundamentals .codex/skills/
也可复制到 .claude/skills/、.cursor/skills/ 或 .agents/skills/。
如何使用这个 Skill？
在支持 Agent Skills 的客户端中提出概念性问题，例如：Explain how the attention budget and the U-shaped attention curve should influence the design of my agent context. 仅在解释基础概念、进行上下文设计原则推理或编写背景文档时使用；若要执行具体压缩、优化或调试工作，应加载对应专门技能。
这个 Skill 与同类方案有什么区别？
README 将上下文工程与提示工程区分开：提示工程主要关注指令设计，而本技能关注进入模型注意力预算的全部信息。