技能 context-compression
🗜️

context-compression

安全 ⚙️ 外部命令🌐 網路存取📁 檔案系統存取

AI 에이전트 컨텍스트 효율적으로 압축하기

也可從以下取得: sickn33,muratcankoylan

긴 AI 에이전트 세션은 빠르게 컨텍스트 창을 초과하여 실패를 일으킵니다. 이 스킬은 중요한 정보를 보존하면서 토큰을 98%+ 이상 줄이는 검증된 압축 전략을 제공합니다.

支援: Claude Codex Code(CC)
🥈 78 白銀
1

下載技能 ZIP

2

在 Claude 中上傳

前往 設定 → 功能 → 技能 → 上傳技能

3

開啟並開始使用

測試它

正在使用「context-compression」。 Redis 구성을 업데이트하여 401 오류를 수정한 디버깅 세션 압축

預期結果:

  • ## 세션 의도
  • /api/auth/login 엔드포인트에서 401 인증되지 않은 오류 디버깅
  •  
  • ## 수정된 파일
  • - config/redis.ts: 연결 풀링 구성 수정
  • - services/session.service.ts: 일시적 실패에 대한 재시도 로직 추가
  •  
  • ## 결정 사항
  • - 요청당 연결 대신 Redis 연결 풀 사용
  • - 일시적 실패를 위한 지수 백오프 재시도 로직
  •  
  • ## 현재 상태
  • 14개 테스트 통과, 2개 실패 (모의 설정 문제)
  •  
  • ## 다음 단계
  • 1. 나머지 테스트 실패 수정
  • 2. 전체 테스트 스위트 실행
  • 3. 스테이징에 배포

正在使用「context-compression」。 압축이 중요한 정보를 보존했는지 평가

預期結果:

  • 정확도: 4.2/5.0 - 대부분의 기술적 세부 사항이 올바르게 보존됨
  • 컨텍스트 인식: 4.0/5.0 - 세션 상태 이해됨
  • 아티팩트 트레일: 2.5/5.0 - 일부 파일 추적 손실 (예상되는 약점)
  • 완전성: 4.4/5.0 - 모든 질문 측면 해결됨
  • 연속성: 3.8/5.0 - 최소한의 재요청으로 계속 가능
  • 권장사항: 프로덕션 사용에 허용되는 압축 품질

安全審計

安全
v5 • 1/16/2026

All 57 static findings are false positives. The 'external_commands' flags are markdown backticks for formatting. 'Weak cryptographic algorithm' flags are mentions of 'GPT-5.2' as example model names. 'System reconnaissance' flags are technical terms in documentation. 'Windows SAM database' is a regex pattern for error extraction, not credential theft. This is pure documentation with a stub Python implementation containing no actual API calls, network access, or file system operations outside its directory.

4
已掃描檔案
1,354
分析行數
3
發現項
5
審計總數

風險因素

⚙️ 外部命令 (17)
references/evaluation-framework.md:12-16 references/evaluation-framework.md:16-28 references/evaluation-framework.md:28-32 references/evaluation-framework.md:32-44 references/evaluation-framework.md:44-48 references/evaluation-framework.md:48-60 references/evaluation-framework.md:60-64 references/evaluation-framework.md:64-121 references/evaluation-framework.md:121-131 references/evaluation-framework.md:131-135 references/evaluation-framework.md:135-143 references/evaluation-framework.md:143-147 references/evaluation-framework.md:147-166 scripts/compression_evaluator.py:358-367 SKILL.md:55-76 SKILL.md:76-187 SKILL.md:187-208
🌐 網路存取 (1)
skill-report.json:6
📁 檔案系統存取 (1)
skill-report.json:6
審計者: claude 查看審計歷史 →

品質評分

64
架構
100
可維護性
87
內容
25
社群
100
安全
100
規範符合性

你能建構什麼

컨텍스트 인식 에이전트 구축

컨텍스트 제한을 초과하는 긴 코딩 세션이나 문서 분석 작업을 처리하는 에이전트에 압축을 구현합니다.

압축 품질 평가

프롬프트 기반 평가를 사용하여 다양한 압축 방법이 작업에 중요한 정보를 얼마나 잘 보존하는지 측정합니다.

프로덕션 에이전트 최적화

구조화된 요약을 배포하여 토큰 비용을 줄이면서 복잡한 작업에서 에이전트 성능을 유지합니다.

試試這些提示

기본 압축 
구조화된 요약을 사용하여 이 대화 기록을 압축하세요. 다음 섹션을 포함하세요: 세션 의도, 수정된 파일, 결정 사항, 현재 상태, 다음 단계.
평가 설정 
중요한 정보가 보존되었는지 테스트하기 위해 이 압축된 컨텍스트에 대한 프롬프트 질문을 생성하세요: 파일 경로, 오류 메시지, 결정 사항, 다음 단계.
반복적 업데이트 
이 새로운 대화 스팬을 기존 구조화된 요약에 병합하세요. 이전 압축 주기의 정보를 보존하면서 관련 섹션만 업데이트하세요.
프로덕션 통합 
75% 컨텍스트 활용률에서 활성화되는 코딩 에이전트를 위한 압축 트리거 전략을 설계하세요. 파일 추적이 포함된 앵커 반복 요약을 사용하세요.

最佳實務

  • 품질과 토큰 절감 사이의 균형을 위해 컨텍스트 활용률 70-80%에서 압축 트리거
  • 중요한 정보 보존을 강제하기 위해 명시적 섹션이 포함된 구조화된 요약 사용
  • 진정한 효율성을 측정하기 위해 작업당 토큰 메트릭으로 요청당 토큰 모니터링

避免

  • 파일 경로와 오류 메시지를 잃는 공격적인 압축 사용 금지 -昂贵的 재요청 발생
  • 각 압축에서 전체 요약 재생성 피하기 - 증분 병합 대신 사용
  • ROUGE와 같은 어휘 메트릭에만 의존하지 말기 - 프롬프트로 기능 평가 사용

常見問題

어떤 압축 방법을 사용해야 하나요?
코딩 작업에는 앵커 반복 요약을 사용하세요 - 98.6% 압축 비율로 최고의 품질 보존을 제공합니다.
압축이 작동하는지 어떻게 알 수 있나요?
프롬프트 기반 평가를 사용하세요: 파일, 오류, 결정 사항에 대한 특정 질문을 하여 중요한 정보가 보존되었는지 확인합니다.
모든 AI 모델과 함께 사용할 수 있나요?
네, 이 전략은 모델에 구애받지 않습니다. 평가 프레임워크는 심사자로서Acting할 수 있는 모든 LLM에서 작동합니다.
아티팩트 추적이 왜这么약한가요?
파일 추지는 본질적으로 일반 요약에 어렵습니다. 중요한 파일 작업에 대해 별도의 아티팩트 인덱싱 구현을 고려하세요.
얼마나 많은 토큰 절약을 기대할 수 있나요?
98-99% 압축이 일반적입니다. 구조화된 방법은 0.7% 더 많은 토큰을 보존하지만 0.35 포인트 더 나은 품질 점수를 제공합니다.
언제 압축하고 새 세션을 시작해야 하나요?
연속성이 필요할 때 압축하세요. 관련 없는 작업으로 전환하거나 압축 품질이 3.5/5.0 이하로 떨어질 때 새로 시작하세요.

開發者詳情

授權

MIT

儲存庫

https://github.com/ChakshuGautam/games/tree/main/.claude/skills/context-compression

引用

main

檔案結構

📁 references/

📄 evaluation-framework.md

📁 scripts/

📄 compression_evaluator.py

📄 SKILL.md