Agent Skills for Context Engineering

一套系统化的 AI Agent 上下文管理技能库，涵盖基础原理、架构模式、运维优化及评估体系，支持 Claude Code 与 Cursor 等平台。区分于传统 Prompt Engineering，聚焦于全局策划所有进入模型注意力预算的信息。

项目概述#

Agent Skills for Context Engineering 是一个专注于上下文工程原则的综合开放性技能集合。上下文工程（Context Engineering） 是管理语言模型上下文窗口的学科，它解决了如何全局策划所有进入模型有限注意力预算的信息：系统提示、工具定义、检索文档、消息历史和工具输出。

核心技能体系（13个技能）#

基础技能

技能	描述
`context-fundamentals`	理解 Context 的定义、重要性及在 Agent 系统中的解剖结构
`context-degradation`	识别上下文失效模式：中间丢失、上下文中毒、干扰、冲突
`context-compression`	设计长会话的压缩策略，平衡信息密度与完整性

架构技能

技能	描述
`multi-agent-patterns`	掌握编排者、点对点、分层多代理架构模式
`memory-systems`	设计短期、长期及基于知识图谱的记忆架构
`tool-design`	构建易于 Agent 理解和使用的工具，降低工具复杂度
`filesystem-context`	利用文件系统进行动态上下文发现与状态持久化
`hosted-agents`	构建后台运行、沙箱化的编码 Agent（如 Modal Sandboxes）

运维技能

技能	描述
`context-optimization`	应用紧凑、掩码、缓存策略优化上下文
`evaluation`	构建 Agent 系统的评估框架
`advanced-evaluation`	掌握 LLM-as-a-Judge 技术：直接评分、成对比较、Rubric 生成

开发与认知技能

project-development：从构思到部署的全生命周期 LLM 项目构建指南
bdi-mental-states：将外部 RDF 上下文转化为 Agent 的信念、愿望、意图

核心设计哲学#

渐进式披露：启动时仅加载技能名称和描述，激活时才加载完整内容，节省 Token
平台无关性：基于概念和 Python 伪代码，可适配 Claude Code、Cursor、Codex 等平台
概念基础与实践示例结合：提供跨环境可工作的 Python 伪代码

Context 工程核心组件#

组件	说明
System Prompts	Agent 核心身份、约束、行为准则；Session 启动时加载一次
Tool Definitions	Agent 可执行的动作定义，含名称、描述、参数、返回格式
Retrieved Documents	通过 RAG 即时加载的领域知识
Message History	会话状态，长期任务中可能主导上下文使用
Tool Outputs	工具执行结果，可达总上下文使用量的 83.9%

注意力机制关键点#

注意力预算约束：n 个 token 创建 n² 关系
中间丢失现象：上下文中部接收较少注意力
U 形注意力曲线：优先关注开头和结尾

完整示例项目#

digital-brain-skill：个人操作系统，含 6 个模块、4 个自动化脚本
x-to-book-system：多代理系统，监控 X 账户并生成每日综合书籍
llm-as-judge-skills：生产级 LLM 评估工具，TypeScript 实现，19 个通过测试
book-sft-pipeline：训练模型以任何作者风格写作

安装方式#

# Claude Code 插件市场安装
/plugin marketplace add muratcankoylan/Agent-Skills-for-Context-Engineering
/plugin install context-engineering-fundamentals@context-engineering-marketplace
/plugin install agent-architecture@context-engineering-marketplace
/plugin install agent-evaluation@context-engineering-marketplace

Cursor/IDE 用户可将技能内容复制到 .rules 文件或创建项目特定的 Skills 文件夹。