context-degradation
Kontextdegradation in LLMs erkennen
متاح أيضًا من: muratcankoylan,ChakshuGautam,Asmayaseen
Sprachmodelle zeigen eine vorhersehbare Leistungsverschlechterung mit zunehmender Kontextlänge. Dieses Skill hilft dabei, Lost-in-Middle-, Poisoning-, Ablenkungs- und Konfliktmuster zu diagnostizieren, um zuverlässigere KI-Systeme zu entwickeln.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "context-degradation". Conversation has 60000 tokens. Agent started producing incorrect summaries after turn 20.
النتيجة المتوقعة:
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.
استخدام "context-degradation". User asks about code from turn 1, but agent refers to wrong implementation from turn 15.
النتيجة المتوقعة:
Analysis: Context clash detected. Multiple implementations exist in context with conflicting details. Recommendation: Use explicit versioning and mark conflicts for clarification before proceeding.
التدقيق الأمني
آمنStatic 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.
مشكلات عالية المخاطر (4)
درجة الجودة
ماذا يمكنك بناءه
Agent-Fehler beheben
Wenn ein KI-Agent in langen Gesprächen falsche oder irrelevante Ausgaben produziert, verwenden Sie dieses Skill, um zu identifizieren, ob Kontextdegradation die Grundursache ist
Resiliente Systeme entwerfen
Architektieren Sie Systeme, die große Kontexte zuverlässig verarbeiten, indem Sie den Four-Bucket-Ansatz und die in diesem Skill beschriebenen architektonischen Muster anwenden
Kontextentscheidungen bewerten
Treffen Sie fundierte Entscheidungen über Kontext-Engineering für Produktionssysteme, indem Sie Degradationsschwellenwerte und Mitigationsstrategien verstehen
جرّب هذه الموجهات
Analysieren Sie dieses Gespräch auf Kontextdegradationsmuster. Das Gespräch ist auf über 50000 Tokens angewachsen. Suchen Sie nach Anzeichen von Lost-in-Middle, Poisoning, Ablenkung oder Konflikten.
Überprüfen Sie den angehängten Kontext und identifizieren Sie, ob kritische Informationen in der Mitte vergraben sind. Die Aufgabe erfordert Informationen aus dem mittleren Abschnitt, aber die Ausgaben sind falsch.
Analysieren Sie diesen Kontext auf Anzeichen von Poisoning. Symptome umfassen verschlechterte Ausgabequalität, Tool-Fehlausrichtung und persistente Halluzinationen trotz Korrekturen. Welche Schritte können zur Wiederherstellung beitragen?
Für ein System, das Kontexte von über 200K Tokens mit mehreren unabhängigen Aufgaben verarbeitet, empfehlen Sie, welche Four-Bucket-Strategien (Schreiben, Auswählen, Komprimieren, Isolieren) anzuwenden sind und warum.
أفضل الممارسات
- Platzieren Sie kritische Informationen am Anfang oder Ende des Kontexts, wo die Aufmerksamkeit am höchsten ist
- Überwachen Sie die Korrelation zwischen Kontextlänge und Leistung während der Entwicklung
- Implementieren Sie Kompaktierungsauslöser, bevor die Degradation schwerwiegend wird
تجنب
- Annehmen, dass längerer Kontext die Leistung immer verbessert
- Laden aller abgerufenen Dokumente ohne Relevanzfilterung
- Erlauben, dass Kontext unbegrenzt wächst, ohne Segmentierung