Compétences context-fundamentals
📦

context-fundamentals

Sûr

Domina los fundamentos de la ingeniería de contexto para agentes de IA

Également disponible depuis: ChakshuGautam,Asmayaseen,muratcankoylan

Los agentes de IA luchan con la gestión de contexto, lo que lleva a un rendimiento degradado y tokens desperdiciados. Esta habilidad enseña los principios centrales de la ingeniería de contexto, incluyendo presupuesto de atención, revelación progresiva y optimización de tokens.

Prend en charge: Claude Codex Code(CC)
🥉 74 Bronze
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "context-fundamentals". ¿Cómo debería organizar mi system prompt para un agente de soporte al cliente?

Résultat attendu:

  • Usa secciones XML para crear límites claros:
  • BACKGROUND_INFORMATION: Detalles de la empresa, información del producto, nivel de soporte
  • INSTRUCTIONS: Tono de respuesta, criterios de escalado, reglas de personalización
  • TOOL_GUIDANCE: Cuándo buscar en la base de conocimientos vs crear tickets
  • OUTPUT_DESCRIPTION: Formato de respuesta, campos requeridos, preguntas de seguimiento

Utilisation de "context-fundamentals". Mi agente olvida instrucciones en conversaciones largas. ¿Cómo puedo solucionarlo?

Résultat attendu:

  • Esto es degradación de contexto por agotamiento del presupuesto de atención. Soluciones:
  • 1. Mueve las instrucciones críticas al inicio mismo del contexto
  • 2. Implementa compactación de historial al 70 por ciento de utilización de contexto
  • 3. Usa resumificación periódica para preservar el estado clave en menos tokens
  • 4. Diseña triggers para recargar instrucciones centrales cuando el contexto crece mucho

Audit de sécurité

Sûr
v1 • 2/24/2026

Static analysis flagged 34 patterns but all are false positives. The file contains only educational markdown documentation about context engineering with no executable code. External command patterns are markdown code examples, the URL is a source reference in metadata, and cryptographic patterns are false matches on words like attention and token.

1
Fichiers analysés
193
Lignes analysées
0
résultats
1
Total des audits
Aucun problème de sécurité trouvé
Audité par: claude

Score de qualité

38
Architecture
100
Maintenabilité
87
Contenu
50
Communauté
100
Sécurité
91
Conformité aux spécifications

Ce que vous pouvez construire

Diseño de Arquitectura de Agentes

Usa estos fundamentos al diseñar nuevos sistemas de agentes de IA para establecer gestión de contexto eficiente desde el inicio

Depuración de Comportamiento de Agentes

Aplica principios de contexto para diagnosticar respuestas inesperadas de agentes causadas por sobrecarga de contexto o mala colocación de información

Incorporación de Equipos

Entrena nuevos miembros del equipo en conceptos de ingeniería de contexto antes de que comiencen a trabajar con desarrollo de agentes

Essayez ces prompts

Organización Básica de System Prompt 
Crea un system prompt para un asistente de coding usando secciones XML para información de fondo, instrucciones, guía de herramientas y descripción de salida. El agente debe escribir código Python siguiendo PEP 8 con type hints.
Implementación de Revelación Progresiva 
Diseña una estrategia de carga de contexto para un asistente de documentación que comienza con rutas de archivos y metadatos, luego carga el contenido completo solo cuando el usuario pregunta sobre temas específicos.
Optimización de Presupuesto de Contexto 
Analiza este log de conversación del agente e identifica oportunidades para reducir el uso de contexto mediante observation masking, compactación de historial y retención selectiva de resultados de herramientas manteniendo el rendimiento de la tarea.
Estrategia de Posición de Atención 
Reestructura este contexto de 5000 tokens para colocar las instrucciones más críticas en posiciones favorecidas por la atención (inicio y final) mientras mueves materiales de referencia a las secciones del medio.

Bonnes pratiques

  • Trata el contexto como un recurso finito con retornos decrecientes a medida que aumenta el conteo de tokens
  • Coloca información crítica en posiciones favorecidas por la atención al inicio y final del contexto
  • Implementa triggers de compactación al 70-80 por ciento de utilización de contexto antes de que ocurra la degradación

Éviter

  • Cargar toda la documentación disponible desde el inicio en lugar de usar revelación progresiva
  • Asumir que ventanas de contexto más grandes resuelven problemas de memoria sin considerar la degradación de atención
  • Colocar instrucciones importantes en el medio de contextos largos donde la atención es más débil

Foire aux questions

¿Qué es el presupuesto de atención en los modelos de lenguaje?
El presupuesto de atención se refiere a la capacidad computacional finita que tienen los modelos para procesar relaciones entre tokens. A medida que la longitud del contexto aumenta, el modelo debe distribuir su atención a través de más pares de tokens, reduciendo la precisión para cualquier relación individual y degradando el rendimiento en tareas de razonamiento complejas.
¿Cómo sé cuándo implementar compactación de contexto?
Monitorea el uso de contexto durante el desarrollo y establece triggers de compactación al 70-80 por ciento del límite efectivo de contexto de tu modelo. Esto proporciona un margen de seguridad antes de que la degradación del rendimiento afecte el comportamiento del agente. Rastrea métricas como adherencia a instrucciones y tasas de completación de tareas a medida que el contexto crece.
¿Qué es la revelación progresiva y cuándo debo usarla?
La revelación progresiva carga información solo cuando se necesita en lugar de pre-cargar todo. Comienza con referencias ligeras como rutas de archivos o resúmenes, luego carga contenido completo dinámicamente cuando la tarea lo requiere. Esto mantiene el contexto inicial pequeño mientras mantiene acceso a información detallada bajo demanda.
¿Una ventana de contexto de 200K significa que puedo poner todo en el contexto?
No. Aunque los modelos técnicamente soportan ventanas grandes, el rendimiento se degrada significativamente antes de alcanzar el límite. La investigación muestra precisión reducida para recuperación de información y razonamiento en contextos largos. Enfócate en la calidad y relevancia del contexto en lugar de maximizar el conteo de tokens.
¿Cuáles son los cinco componentes del contexto?
Los system prompts definen la identidad y restricciones del agente. Las definiciones de herramientas especifican acciones disponibles. Los documentos recuperados proporcionan conocimiento del dominio. El historial de mensajes contiene la conversación. Las salidas de herramientas son resultados de acciones del agente. Cada componente tiene diferentes características y estrategias de optimización.
¿Cómo puedo reducir los costos de tokens manteniendo el rendimiento del agente?
Usa observation masking para ocultar salidas de herramientas irrelevantes, compacta el historial de conversación mediante resumificación, implementa retención selectiva manteniendo solo resultados relevantes, y aplica revelación progresiva para evitar cargar información innecesaria. Enfócate en informatividad sobre exhaustividad.

Détails du développeur

Auteur

sickn33

Licence

MIT

Dépôt

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/context-fundamentals

Réf

main

Structure de fichiers

📄 SKILL.md