context-compression
Optimiser la compression de contexte IA pour les sessions de longue durée
Également disponible depuis: ChakshuGautam,muratcankoylan
Les agents IA gaspillent des jetons en récupérant le contexte perdu après une compression agressive. Cette compétence enseigne des stratégies de résumé structuré qui préservent les informations critiques tout en réduisant les coûts des jetons jusqu'à 98%.
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-compression". Session d'agent avec 178 messages de débogage d'erreurs d'authentification
Résultat attendu:
- Résumé structuré créé avec 5 sections : Intention de session, Cause racine, Fichiers modifiés, Statut des tests, Prochaines étapes
- Ratio de compression : 98,6% (89000 jetons à 1240 jetons)
- Évaluation par sondage : 4,2/5 de précision sur la conservation des détails techniques
Utilisation de "context-compression". Comparaison de trois stratégies de compression pour les tâches de codage
Résultat attendu:
- Itératif ancré : 98,6% de compression, score de qualité 3,70 - Optimal pour le suivi des fichiers
- Régénératif : 98,7% de compression, score de qualité 3,44 - Bon équilibre
- Opaque : 99,3% de compression, score de qualité 3,35 - Compression la plus élevée, qualité la plus faible
Audit de sécurité
SûrAll 16 static analysis findings are false positives. The skill contains only markdown documentation (SKILL.md, 271 lines) with no executable code. Detected patterns include markdown code block delimiters misidentified as shell execution, documentation URLs misidentified as network calls, and conceptual references misidentified as cryptographic implementations. No security risks identified.
Score de qualité
Ce que vous pouvez construire
Déboguer les sessions d'agent de longue durée
Maintenir le contexte à travers plus de 100 messages de débogage tout en suivant les modifications de fichiers, les messages d'erreur et les décisions sans perdre les détails techniques critiques.
Construire des agents de codage d'entreprise
Concevoir la gestion du contexte pour les agents travaillant avec des bases de code de plus de 5M de jetons, implémentant une compression qui préserve les signatures de fonctions, les définitions de types et les décisions architecturales.
Évaluer la qualité de la compression
Tester différentes stratégies de compression en utilisant une évaluation basée sur des sondes pour mesurer la précision, le suivi des artefacts et la capacité de continuation avant le déploiement en production.
Essayez ces prompts
Aidez-moi à concevoir un modèle de résumé structuré pour mes sessions d'agent de codage. J'ai besoin de sections pour suivre les fichiers modifiés, les décisions prises et les prochaines étapes. Mon agent travaille principalement avec TypeScript et Redis.
Je construis un agent de codage qui perd le contexte après 50 messages. Concevez une stratégie de déclenchement de compression en utilisant l'approche de la fenêtre glissante. Incluez les critères pour quand compresser et comment fusionner les résumés de manière incrémentale.
Créez un framework d'évaluation basé sur des sondes pour mon système de compression de contexte. Générez 20 questions de sondage dans les catégories de rappel, suivi des artefacts, continuation et décisions pour tester si mes résumés préservent les informations critiques.
Concevez un flux de travail de compression en trois phases pour un projet de migration de base de code de 5M de jetons. Incluez la compression de phase de recherche vers les spécifications, la phase de planification vers les détails d'implémentation, et des stratégies pour utiliser les artefacts d'exemple comme germes de compression.
Bonnes pratiques
- Utiliser des sections de résumé explicites pour les modifications de fichiers, les décisions et les prochaines étapes pour éviter la perte silencieuse d'informations
- Déclencher la compression à 70-80% d'utilisation du contexte avec une fusion incrémentale plutôt qu'une régénération complète
- Tester la qualité de la compression avec des questions de sondage avant de déployer dans les flux de travail de production
Éviter
- Optimiser pour les jetons-par-demande au lieu du coût total des jetons-par-tâche
- Utiliser une compression opaque agressive lorsque le suivi des fichiers est critique pour la tâche
- Régénérer des résumés complets à chaque compression au lieu de fusionner de manière incrémentale