언어 모델은 컨텍스트 길이가 증가함에 따라 예측 가능�� 성능 저하를 보입니다. 이 스킬은 더 신뢰할 수 있는 AI 시스템을 구축하기 위해 lost-in-middle, poisoning, distraction, clash 패턴을 진단하는 데 도움�� 줍니다.
تنزيل ZIP المهارة
رفع في Claude
اذهب إلى Settings → Capabilities → Skills → Upload skill
فعّل وابدأ الاستخدام
اختبرها
استخدام "context-degradation". 대화가 60000토큰입니다. 에이전트가 20턴 후 잘못된 요약을 생성하기 시작했습니다.
النتيجة المتوقعة:
분석: 컨텍스트 저하가 감지되었습니다. Lost-in-middle 현상으로 인해 에이전트가 컨텍스트 중간의 핵심 정보를 놓치고 있는 것으로 보입니다. 권장사항: 이전 컨텍스트를 요약하여 압축하거나, 중요한 정보를 가장자리에 배치하도록 구조를 재구성하세요.
استخدام "context-degradation". 사용자가 1턴의 코드를 질문했지만, 에이전트는 15턴의 잘못된 구현을 참조합니다.
النتيجة المتوقعة:
분석: 컨텍스트 clash가 감지되었습니다. 충돌하는 세부 정보를 가진 여러 구현이 ���텍스트에 존재합니다. 권장사항: 명시적인 버전 관리를 사용하고 진행 전에 충돌을 명확히 하도록 표시하세요.
التدقيق الأمني
آمنStatic analysis flagged 20 potential issues including external_commands, network, and weak cryptographic algorithms. All findings are FALSE POSITIVES: the 'external_commands' detections are YAML token count examples with backtick formatting; 'network' is a legitimate GitHub URL in metadata; 'weak cryptographic algorithm' is a pattern matching error triggered by the word 'degradation'; 'system reconnaissance' falsely triggers on 'multi-source retrieval'. This skill is pure educational documentation about LLM context degradation with no executable code.
مشكلات عالية المخاطر (4)
درجة الجودة
ماذا يمكنك بناءه
에이전트 오류 디버깅
AI 에이전트가 긴 대화 동안 올바르지 않거나 관련 없는 출력을 생성할 때 컨텍스트 저하가 근본 원인인지 확인하기 위해 이 스킬을 사용하세요
회복력 있는 시스템 설계
이 스킬에 설명된 4개 버킷 접근법과 아키텍처 패턴을 적용하여 큰 컨텍스트를 안정적으로 처리하는 시스템을 설계하세요
컨텍스트 선택 평가
저하 임계값과 완화 전략을 이해하여 프로덕션 시스템의 컨텍스트 엔지니어링에 대한 정보에 입각한 결정을 내리세요
جرّب هذه الموجهات
이 대화를 분석하여 컨텍스트 저하 패턴을 확인하세요. 대화가 50000토큰을 초과했습니다. lost-in-middle, poisoning, distraction, clash의 징후를 찾으세요.
첨부된 컨텍스트를 검토하여 중요한 정보가 중간에 묻혀있는지 확인하세요. 작업은 중간 섹션의 정보가 필요하지만 출력이 올바르지 않습니다.
poisoning의 징후에 대해 컨텍스트를 분석하세요. 증상에는 출력 품질 저하, tool misalignment, 수정에도 불구하고 지속되는 halluncination이 포함됩니다. 어떤 단계로 복구할 수 있나요?
여러 독립적인 작업으로 20만 토큰 이상의 컨텍스트를 처리하는 시스템에서 4개 버킷 전략(Write, Select, Compress, Isolate) 중 어떤 것을 적용해야 하는지 권장하고 이유를 설명하세요.
أفضل الممارسات
- 주의력이 가장 높은 컨텍스트의 시작 ��는 끝에 중요한 정보 배치
- 개발 중 컨텍스트 길이와 성능 상관관계 모니터링
- 저하가 심각해지기 전에 압축 트리거 구현
تجنب
- 더 긴 컨텍스트가 항상 성능을 향상시킨다고 가정
- 관련성 필터링 없이 검색된 모든 문서 로드
- 세분화 없이 컨텍스트가 무한히 증가하도록 허용