Compétences context-manager
📦

context-manager

Sûr

Construire des systèmes de gestion de contexte intelligents

Cette compétence aide les développeurs à concevoir et mettre en œuvre des systèmes dynamiques de gestion de contexte pour les applications d'IA, incluant les bases de données vectorielles, les graphes de connaissances et les architectures de mémoire intelligentes qui fournissent les bonnes informations aux systèmes d'IA au bon moment.

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-manager". Concevoir un système de gestion de contexte pour un chatbot de support client

Résultat attendu:

Une conception système complète incluant : (1) Couches de contexte : mémoire de travail pour conversation active, mémoire épisodique pour l'historique, mémoire sémantique pour la base de connaissances. (2) Stratégie de récupération : recherche hybride combinantsimilarité vectorielle avec correspondance de mots-clés. (3) Optimisation du contexte : gestion du budget de jetons, filtrage de pertinence, détection de stale. (4) Coordination des agents : protocoles de transfert, contrats de contexte partagés, synchronisation d'état.

Utilisation de "context-manager". Optimiser les performances RAG pour 1 million de documents

Résultat attendu:

Stratégie d'optimisation des performances couvrant : (1) Indexation : index Hiérarchical Navigable Small World (HNSW) avec des valeurs ef_construction appropriées. (2) Requête : récupération hybride combinant embeddings denses avec BM25 clairsemé. (3) Découpage : découpage sémantique avec 20% de chevauchement pour la préservation du contexte. (4) Mise en cache : cache LRU pour les requêtes fréquentes, embeddings précalculés pour les requêtes principales. (5) Mise à l'échelle : stratégie de sharding par namespace de documents, répliques de lecture pour la charge de requêtes.

Audit de sécurité

Sûr
v1 • 2/24/2026

This is a prompt-only skill containing only instructional text for AI context engineering. No executable code, network requests, file system access, or command execution patterns detected. Static analysis found 0 files with 0 lines of executable code. Risk score is 0/100 as this skill provides guidance text only, not operational code.

0
Fichiers analysés
0
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

Système de base de connaissances d'entreprise

Concevoir un système de gestion de contexte évolutif pour la recherche de documents d'entreprise utilisant les embeddings vectoriels et la récupération sémantique.

Plateforme de support client multi-agents

Créer une orchestration de contexte pour le support client multi-agents avec transfert intelligent et gestion d'état.

Système de mémoire pour conversations longues

Implémenter une gestion de mémoire intelligente pour les conversations d'IA soutenues avec des couches de mémoire épisodique et sémantique.

Essayez ces prompts

Conception de système de contexte de base 
Concevoir un système de gestion de contexte pour [USE_CASE]. Inclure les composants pour l'assemblage, la récupération et l'optimisation du contexte.
Implémentation de base de données vectorielle 
Aidez-moi à implémenter une solution de base de données vectorielle en utilisant [DATABASE_NAME] pour [APPLICATION_TYPE]. Inclure la conception du schéma, la stratégie d'embedding et l'optimisation des requêtes.
Architecture de graphe de connaissances 
Concevoir une architecture de graphe de connaissances pour [DOMAIN] avec les relations d'entités, la conception d'ontologie et les stratégies d'optimisation des requêtes.
Orchestration de contexte multi-agents 
Créer un protocole de transfert de contexte pour [MULTI_AGENT_SCENARIO] incluant la préparation de contexte spécifique à l'agent, la gestion d'état et la récupération d'erreur.

Bonnes pratiques

  • Appliquer des stratégies de contexte à plusieurs niveaux : garder les informations critiques dans le prompt système, utiliser RAG pour les informations secondaires, externaliser les grandes bases de connaissances
  • Implémenter le versioning du contexte et le suivi des changements pour comprendre comment le contexte évolue au fil du temps
  • Utiliser la recherche hybride combinant la similarité vectorielle avec la correspondance de mots-clés pour une récupération plus précise

Éviter

  • Déverser tout le contexte disponible sans priorisation - conduit aux limites de jetons et à une pertinence réduite
  • Ignorer la stale du contexte - servir des informations obsolètes dégrade la confiance des utilisateurs
  • Sur-concevoir avant de comprendre les besoins réels de récupération - commencer simplement, mesurer, puis optimiser

Foire aux questions

Qu'est-ce que la gestion de contexte en IA ?
La gestion de contexte est la pratique de fournir les bonnes informations, outils et mémoire aux systèmes d'IA au bon moment. Elle inclut les techniques pour organiser, récupérer et optimiser les informations que les modèles d'IA utilisent pour générer des réponses.
Quelle base de données vectorielle dois-je utiliser ?
Choisissez en fonction de vos besoins : Pinecone pour la simplicité gérée, Weaviate pour la flexibilité et GraphQL, Qdrant pour les applications critiques en performance, ou Chroma pour le développement local et le prototypage.
Comment RAG améliore-t-il les réponses de l'IA ?
La Génération Augmentée de Récupération (RAG) améliore les réponses de l'IA en récupérant des informations pertinentes depuis des bases de connaissances externes et en les incluant dans le contexte du modèle. Cela permet à l'IA d'accéder à des informations actualisées au-delà de ses données d'entraînement.
Qu'est-ce qu'un graphe de connaissances ?
Un graphe de connaissances représente l'information comme un réseau d'entités (nœuds) et leurs relations (arêtes). Il permet le raisonnement sémantique, les requêtes contextuelles et l'exploration de données interconnectées au-delà de la simple correspondance de mots-clés.
Comment les systèmes multi-agents partagent-ils le contexte ?
Les systèmes multi-agents partagent le contexte à travers des protocoles de transfert qui transfèrent l'état de conversation pertinent, des stores de mémoire partagés, ou des coordinators de contexte centralisés qui préparent des vues de contexte spécifiques à chaque agent.
Qu'est-ce que l'optimisation de la fenêtre de contexte ?
L'optimisation de la fenêtre de contexte implique la sélection stratégique et la compression des informations pour s'adapter aux limites de jetons des modèles d'IA tout en maximisant la pertinence et l'utilité du contexte inclus.

Détails du développeur

Auteur

sickn33

Licence

MIT

Dépôt

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

Réf

main

Structure de fichiers

📄 SKILL.md