context-degradation
81AIエージェントにおけるコンテキスト劣化の診断
長い会話や大規模なプロンプトにより、AIエージェントは重要な情報を見失ったり、矛盾するコンテキストに従ったりすることがあります。このスキルは、Claude、Codex、Claude Codeが劣化パターンを特定し、緩和戦略を選択するのに役立ちます。
LLMプロジェクト開発を計画する
LLMプロジェクトは、タスク適合性、コスト、アーキテクチャを検証する前にチームが自動化すると失敗します。このスキルは、Claude、Codex、Claude Codeに対して、検証、パイプライン設計、見積もり、反復改善をガイドします。
このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。
Review the Skillstore skill "project-development" from https://skillstore.io/skills/chakshugautam-project-development.md and its manifest at https://skillstore.io/api/skills/chakshugautam-project-development/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。
AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。
「project-development」を使用しています。 チームが2,000件のサポートチケットをLLMで要約したいと考えている。
期待される結果:
このスキルは、まず手動サンプルを実施し、その後に段階的なバッチパイプラインを推奨します。計画項目として、トークンコスト、分類精度、リトライ処理、構造化解析を指摘します。
「project-development」を使用しています。 開発者がマルチエージェント調査システムを構築すべきか質問している。
期待される結果:
このスキルは、シンプルなパイプラインとマルチエージェント設計を比較します。コンテキスト分離や並列調査が追加コストを正当化する場合にのみ、マルチエージェントを推奨します。
「project-development」を使用しています。 データアナリストが反復可能なLLMレポート生成器を必要としている。
期待される結果:
このスキルは、acquire、prepare、process、parse、renderの各段階を分離して整理します。さらに、キャッシュ、コスト見積もり、パーサー失敗時の処理を追加します。
Most static detections are false positives from Markdown fences, reference URLs, CSS, and example text. The executable pipeline template does perform local file writes and cleanup using unvalidated batch and item identifiers. No evidence found of credential exfiltration, malicious network access, shell execution, or embedded prompt injection commands.
これらは、このスキルに期待される可能性のある実際のローカル機能であるため、レビューが必要ですが、確認済みの悪意ある動作としてはカウントされません。
バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。
https://skillstore.io/skills/chakshugautam-project-development/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report[](https://skillstore.io/skills/chakshugautam-project-development?utm_source=security_passport_badge)<a href="https://skillstore.io/skills/chakshugautam-project-development?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/chakshugautam-project-development/security.svg" alt="Skillstore security assessment" loading="lazy"></a><iframe src="https://skillstore.io/embed/skills/chakshugautam-project-development.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>ChakshuGautam. (2026). project-development security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/chakshugautam-project-development/audits/8@techreport{chakshugautam-chakshugautam-project-development-2026,
author = {ChakshuGautam},
title = {project-development security audit report (audit version 8)},
institution = {Skillstore},
year = {2026},
number = {8},
url = {https://skillstore.io/skills/chakshugautam-project-development/audits/8},
note = {Author version unspecified}
}cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "project-development security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
- name: "ChakshuGautam"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/chakshugautam-project-development/audits/8"
identifiers:
- type: other
value: "skillstore:chakshugautam-project-development:audit:8"
description: "Skillstore immutable audit report identifier"
各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。
このバリアントが首位の理由
muratcankoylan-project-development
2026-09-09
chakshugautam-project-development
2026-09-09
自動化を構築する前に、タスク適合性、想定されるエラー許容度、出力要件、手動プロトタイプ手順を確認します。
データ取得、プロンプト準備、LLM処理、解析、最終レンダリングを個別の段階に整理します。
シンプルなパイプライン、単一エージェント、マルチエージェント設計を、コンテキスト、コスト、複雑性の制約に照らして比較します。
Evaluate whether this task fits an LLM workflow. Identify inputs, desired outputs, error tolerance, manual prototype steps, and reasons to use traditional code instead. Task: [describe task].
Design a staged batch pipeline for this workload. Include acquire, prepare, process, parse, and render stages. Explain file state, retries, caching, and test checkpoints. Workload: [describe workload].
Estimate the cost and scale risks for this LLM pipeline. Use item count, input tokens, output tokens, retries, parallelism, and model choice. State assumptions clearly. Pipeline: [describe pipeline].
Review this LLM project architecture for unnecessary complexity, weak task-model fit, parsing risks, prompt injection exposure, cost surprises, and simpler alternatives. Architecture: [paste design].
作成者
ChakshuGautamライセンス
MIT
Skillstore リビジョン
r1
バージョンに関する注意
作者はバージョンを宣言していません。
参照
02f077c174c5335e2f5d02ca15e77b70d9543e58
メンテナンスの新しさ
2026/7/23
利用状況
7 ダウンロード · 298 閲覧
ファイル構成
AIエージェントにおけるコンテキスト劣化の診断
長い会話や大規模なプロンプトにより、AIエージェントは重要な情報を見失ったり、矛盾するコンテキストに従ったりすることがあります。このスキルは、Claude、Codex、Claude Codeが劣化パターンを特定し、緩和戦略を選択するのに役立ちます。
信頼性の高いLLM評価システムを構築
LLM評価をチームやモデルをまたいで一貫させることは困難です。このスキルは、再現性のある評価のために、ジャッジプロンプト、ルーブリック、メトリクス、バイアスチェックの設計を支援します。
AIコンテキストウィンドウを最適化
長時間のAIセッションでは、トークンを浪費し、応答が遅くなり、重要なコンテキストを失うことがあります。このスキルは、Claude、Codex、Claude Codeに、コンテキストの圧縮、マスキング、キャッシュ、予算管理のための実用的なパターンを提供します。
長いエージェントコンテキストを確実に圧縮する
長いエージェントセッションでは、コンテキストが過度に積極的に圧縮されると、重要なファイル、判断、次のステップが失われます。このスキルは、トークン使用量を削減しながら利用可能なコンテキストを保持するための、構造化された圧縮と評価の方法を提供します。
エージェントのコンテキスト管理を最適化
プロンプト、ツール、履歴、検索取得がコンテキストを奪い合うと、エージェントシステムは信頼性を損なうことがあります。このスキルは、コンテキストの構成要素と、予算管理、段階的開示、検証のための実践的なパターンを説明します。
マルチエージェントアーキテクチャの設計
すべてのタスクを1つのコンテキストウィンドウで扱うと、複雑なエージェント作業は失敗することがあります。このスキルは、Claude、Codex、Claude Code が明確なハンドオフを備えたエージェントシステムを設計するのに役立ちます。
Pydantic AIエージェントを構築する
作成者 DougTrajano
Pydantic AIプロジェクトには、エージェント、ツール、依存関係、構造化出力に関する明確なパターンが必要です。このスキルは、型安全なPythonエージェントアプリケーションを構築するための簡潔なガイダンスと例を提供します。
信頼性の高いAIエージェントシステムを設計する
作成者 sickn33
自律型エージェントは、不適切なツール設計、弱いメモリルール、不明確なエスカレーション経路によって失敗する可能性があります。このスキルは、制御可能なエージェントのためのアーキテクチャ判断をガイドします。
Build Auditable Labor-Hour and T&M IGCEs
作成者 1102tools-dev
Federal buyers need transparent LH and T&M estimates that separate labor, travel, materials, and ceilings. This skill builds validated workbooks from documented assumptions and government benchmarks.
Build Auditable Cost-Reimbursement IGCEs
作成者 1102tools-dev
Cost-reimbursement estimates require traceable wages, indirect pools, fee treatment, travel, and benchmark data. This skill builds auditable CPFF, CPAF, and CPIF workbooks with validation steps.
Build Auditable Firm-Fixed-Price IGCEs
作成者 1102tools-dev
Federal FFP estimates require traceable wages, indirect costs, benchmarks, travel, and formulas. This skill builds a validated workbook with visible assumptions and sourced calculations.
スクリーンショットと画像の画質を向上
作成者 davila7
低品質のスクリーンショットや圧縮された画像は、ドキュメント、プレゼンテーション、ソーシャル投稿への信頼を低下させる可能性があります。このスキルは、Claude、Codex、Claude Codeに明確な画像補正リクエストを行うためのガイドです。