Compétences context-fundamentals
📦

context-fundamentals

Sûr

Maîtrisez les principes fondamentaux de l'ingénierie du contexte pour les agents IA

Également disponible depuis: ChakshuGautam,Asmayaseen,muratcankoylan

Les agents IA ont des difficultés avec la gestion du contexte, ce qui entraîne une dégradation des performances et un gaspillage de tokens. Cette compétence enseigne les principes fondamentaux de l'ingénierie du contexte, notamment le budget d'attention, la divulgation progressive et l'optimisation des 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". Comment dois-je organiser mon prompt système pour un agent de support client ?

Résultat attendu:

  • Utilisez des sections XML pour créer des limites claires :
  • BACKGROUND_INFORMATION : Détails de l'entreprise, infos produit, niveau de support
  • INSTRUCTIONS : Ton des réponses, critères d'escalade, règles de personnalisation
  • TOOL_GUIDANCE : Quand rechercher dans la base de connaissances vs créer des tickets
  • OUTPUT_DESCRIPTION : Format de réponse, champs requis, questions de suivi

Utilisation de "context-fundamentals". Mon agent oublie les instructions dans les longues conversations. Comment puis-je résoudre ce problème ?

Résultat attendu:

  • Il s'agit d'une dégradation du contexte due à l'épuisement du budget d'attention. Solutions :
  • 1. Déplacez les instructions critiques au tout début du contexte
  • 2. Implémentez la compaction d'historique à 70 % d'utilisation du contexte
  • 3. Utilisez la résumation périodique pour préserver l'état clé en moins de tokens
  • 4. Concevez des déclencheurs pour recharger les instructions de base lorsque le contexte devient important

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

Conception d'architecture d'agent

Utilisez ces principes fondamentaux lors de la conception de nouveaux systèmes d'agents IA pour établir une gestion efficace du contexte dès le départ

Débogage du comportement de l'agent

Appliquez les principes de contexte pour diagnostiquer les réponses inattendues de l'agent causées par une surcharge de contexte ou un mauvais placement des informations

Intégration d'équipe

Formez les nouveaux membres de l'équipe aux concepts d'ingénierie du contexte avant qu'ils ne commencent à travailler sur le développement d'agents

Essayez ces prompts

Organisation de base du prompt système 
Créez un prompt système pour un assistant de codage utilisant des sections XML pour les informations de contexte, les instructions, les conseils d'outils et la description de sortie. L'agent doit écrire du code Python suivant PEP 8 avec des annotations de type.
Implémentation de la divulgation progressive 
Concevez une stratégie de chargement de contexte pour un assistant de documentation qui commence par les chemins de fichiers et les métadonnées, puis charge le contenu complet uniquement lorsque l'utilisateur pose des questions sur des sujets spécifiques.
Optimisation du budget de contexte 
Analysez ce journal de conversation d'agent et identifiez les opportunités de réduire l'utilisation du contexte grâce au masquage d'observations, à la compaction d'historique et à la rétention sélective des résultats d'outils tout en maintenant les performances des tâches.
Stratégie de position d'attention 
Restructurez ce contexte de 5000 tokens pour placer les instructions les plus critiques aux positions favorisées par l'attention (début et fin) tout en déplaçant les documents de référence vers les sections du milieu.

Bonnes pratiques

  • Traitez le contexte comme une ressource finie avec des rendements décroissants à mesure que le nombre de tokens augmente
  • Placez les informations critiques aux positions favorisées par l'attention au début et à la fin du contexte
  • Implémentez des déclencheurs de compaction à 70-80 % d'utilisation du contexte avant que la dégradation ne se produise

Éviter

  • Charger toute la documentation disponible d'emblée au lieu d'utiliser la divulgation progressive
  • Supposer que des fenêtres de contexte plus grandes résolvent les problèmes de mémoire sans tenir compte de la dégradation de l'attention
  • Placer des instructions importantes au milieu de longs contextes où l'attention est la plus faible

Foire aux questions

Qu'est-ce que le budget d'attention dans les modèles de langage ?
Le budget d'attention fait référence à la capacité de traitement computationnelle finie dont disposent les modèles pour traiter les relations entre tokens. À mesure que la longueur du contexte augmente, le modèle doit répartir son attention sur plus de paires de tokens, réduisant la précision pour toute relation unique et dégradant les performances sur les tâches de raisonnement complexes.
Comment savoir quand implémenter la compaction de contexte ?
Surveillez l'utilisation du contexte pendant le développement et définissez des déclencheurs de compaction à 70-80 % de la limite de contexte effective de votre modèle. Cela fournit une marge de sécurité avant que la dégradation des performances n'affecte le comportement de l'agent. Suivez des métriques comme l'adhésion aux instructions et les taux de réussite des tâches à mesure que le contexte augmente.
Qu'est-ce que la divulgation progressive et quand dois-je l'utiliser ?
La divulgation progressive charge les informations uniquement lorsque cela est nécessaire plutôt que de tout précharger. Commencez par des références légères comme les chemins de fichiers ou les résumés, puis chargez le contenu complet dynamiquement lorsque la tâche l'exige. Cela maintient le contexte initial petit tout en conservant l'accès aux informations détaillées à la demande.
Une fenêtre de contexte de 200K signifie-t-elle que je peux tout mettre dans le contexte ?
Non. Bien que les modèles prennent techniquement en charge de grandes fenêtres, les performances se dégradent considérablement avant d'atteindre la limite. La recherche montre une précision réduite pour la récupération d'informations et le raisonnement dans les longs contextes. Concentrez-vous sur la qualité et la pertinence du contexte plutôt que sur la maximisation du nombre de tokens.
Quels sont les cinq composants du contexte ?
Les prompts système définissent l'identité et les contraintes de l'agent. Les définitions d'outils spécifient les actions disponibles. Les documents récupérés fournissent des connaissances métier. L'historique des messages contient la conversation. Les sorties d'outils sont les résultats des actions de l'agent. Chaque composant a des caractéristiques et des stratégies d'optimisation différentes.
Comment puis-je réduire les coûts de tokens tout en maintenant les performances de l'agent ?
Utilisez le masquage d'observations pour masquer les sorties d'outils non pertinentes, compactez l'historique des conversations par résumation, implémentez une rétention sélective en ne conservant que les résultats pertinents, et appliquez la divulgation progressive pour éviter de charger des informations inutiles. Concentrez-vous sur l'informativité plutôt que sur l'exhaustivité.

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