context-engineering
Optymalizuj kontekst w systemach AI — mniej tokenów, lepsza jakość rozumowania
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Skill do inżynierii kontekstu dla agentów AI. Nauczysz się, jak wybierać najważniejsze informacje, unikać błędów degradacji kontekstu, kompresować długie sesje i koordynować pracę wielu agentów. Obejmuje techniki optymalizacji (kompakcja, maskowanie, cache'owanie), strategie pamięci, wzorce multi-agentowe i ewaluację wydajności. Idealne do projektowania architektur agentów, debugowania problemów z kontekstem i redukcji kosztów tokenów.
Jak używać
Aktywuj skill context-engineering w swoim systemie Claude, gdy pracujesz nad architekturą agenta lub debugujesz problemy z kontekstem.
Zapoznaj się z fundamentami kontekstu — zrozum, jak LLM przetwarza tokeny i dlaczego pozycja informacji w sekwencji wpływa na uwagę modelu (efekt U-shaped curve).
Zdiagnozuj problem: czy kontekst jest zbyt długi, czy informacje kluczowe tracą się w środku? Użyj referencji do degradacji kontekstu, aby zidentyfikować typ błędu (lost-in-middle, poisoning itp.).
Zastosuj techniki optymalizacji — wybierz spośród kompakcji (zmniejszenie szumu), maskowania (ukrycie nieistotnych danych), cache'owania (ponowne użycie tokenów) lub partycjonowania (podział pracy między sub-agentów).
Jeśli pracujesz z długimi sesjami, wdrażaj strategię kompresji — podsumowuj historię, przechowuj tylko wysokosygnałowe informacje i ładuj dane just-in-time.
Przed optymalizacją zmierz baseline — znaj aktualny koszt tokenów i jakość odpowiedzi, aby ocenić wpływ zmian.