context-degradation
اكتشاف تدهور السياق في نماذج اللغة الكبيرة
Également disponible depuis: muratcankoylan,ChakshuGautam,Asmayaseen
نماذج اللغة تظهر تدهوراً متوقعاً في الأداء مع زيادة طول السياق. تساعدك هذه المهارة على تشخيص أنماط الضياع في المنتصف والتسميم والتشتت والتضارب لبناء أنظمة ذكاء اصطناعي أكثر موثوقية.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "context-degradation". Conversation has 60000 tokens. Agent started producing incorrect summaries after turn 20.
Résultat attendu:
Analysis: Context degradation detected. The lost-in-middle phenomenon is likely causing the agent to miss key information from the middle of context. Recommendation: Apply compaction to summarize earlier context, or restructure to place critical info at edges.
Utilisation de "context-degradation". User asks about code from turn 1, but agent refers to wrong implementation from turn 15.
Résultat attendu:
Analysis: Context clash detected. Multiple implementations exist in context with conflicting details. Recommendation: Use explicit versioning and mark conflicts for clarification before proceeding.
Audit de sécurité
SûrStatic analysis flagged 20 potential issues including external_commands, network, and weak cryptographic algorithms. All findings are FALSE POSITIVES: the 'external_commands' detections are YAML token count examples with backtick formatting; 'network' is a legitimate GitHub URL in metadata; 'weak cryptographic algorithm' is a pattern matching error triggered by the word 'degradation'; 'system reconnaissance' falsely triggers on 'multi-source retrieval'. This skill is pure educational documentation about LLM context degradation with no executable code.
Problèmes à risque élevé (4)
Score de qualité
Ce que vous pouvez construire
تصحيح أعطال الوكيل
عندما ينتج وكيل الذكاء الاصطناعي مخرجات غير صحيحة أو غير ذات صلة خلال المحادثات الطويلة، استخدم هذه المهارة لتحديد ما إذا كان تدهور السياق هو السبب الجذري
تصميم أنظمة مرنة
صمم أنظمة تتعامل مع سياقات كبيرة بموثوقية من خلال تطبيق نهج الدلاء الأربعة والأنماط المعمارية الموضحة في هذه المهارة
تقييم خيارات السياق
اتخذ قرارات مستنيرة حول هندسة السياق للأنظمة الإنتاجية من خلال فهم عتبات التدهور واستراتيجيات التخفيف
Essayez ces prompts
Analyze this conversation for context degradation patterns. The conversation has grown to over 50000 tokens. Look for signs of lost-in-middle, poisoning, distraction, or clash.
Review the attached context and identify if critical information is buried in the middle. The task requires information from the middle section but outputs are incorrect.
Analyze this context for signs of poisoning. Symptoms include degraded output quality, tool misalignment, and persistent hallucinations despite corrections. What steps can recover?
Given a system that processes 200K+ token contexts with multiple independent tasks, recommend which Four-Bucket strategies (Write, Select, Compress, Isolate) to apply and why.
Bonnes pratiques
- ضع المعلومات الحرجة في بداية أو نهاية السياق حيث يكون الاهتمام أعلى
- راقب طول السياق وأداء الارتباط أثناء التطوير
- نفذ مشغلات الضغط قبل أن يصبح التدهور شديداً
Éviter
- افتراض أن السياق الأطول يحسن الأداء دائماً
- تحميل جميع المستندات المسترجعة بدون تصفية الصلة
- السماح للسياق بالنمو إلى ما لا نهاية بدون تجزئة