Навыки context-compression
📦

context-compression

Безопасно

Оптимизация сжатия контекста AI для длительных сессий

Также доступно от: ChakshuGautam,muratcankoylan

AI-агенты тратят токены на повторное получение потерянного контекста после агрессивного сжатия. Этот навык обучает стратегиям структурированного суммирования, которые сохраняют критически важную информацию и снижают расходы на токены до 98%.

Поддерживает: Claude Codex Code(CC)
📊 70 Адекватно
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Протестировать

Использование «context-compression». Сессия агента с 178 сообщениями об отладке ошибок аутентификации

Ожидаемый результат:

  • Структурированная сводка создана с 5 разделами: Намерение сессии, Основная причина, Изменённые файлы, Статус тестов, Следующие шаги
  • Коэффициент сжатия: 98.6% (89000 токенов до 1240 токенов)
  • Зондовая оценка: 4.2/5 точности сохранения технических деталей

Использование «context-compression». Сравнение трёх стратегий сжатия для кодирующих задач

Ожидаемый результат:

  • Итеративное с привязкой: 98.6% сжатие, 3.70 качество - Лучше для отслеживания файлов
  • Регенеративное: 98.7% сжатие, 3.44 качество - Хороший баланс
  • Непрозрачное: 99.3% сжатие, 3.35 качество - Максимальное сжатие, минимальное качество

Аудит безопасности

Безопасно
v1 • 2/24/2026

All 16 static analysis findings are false positives. The skill contains only markdown documentation (SKILL.md, 271 lines) with no executable code. Detected patterns include markdown code block delimiters misidentified as shell execution, documentation URLs misidentified as network calls, and conceptual references misidentified as cryptographic implementations. No security risks identified.

1
Просканировано файлов
271
Проанализировано строк
0
находки
1
Всего аудитов
Проблем безопасности не найдено
Проверено: claude

Оценка качества

38
Архитектура
100
Сопровождаемость
87
Контент
24
Сообщество
100
Безопасность
91
Соответствие спецификации

Что вы можете построить

Отладка длительных сессий агента

Сохранение контекста на протяжении отладочных сессий с 100+ сообщениями, отслеживание изменений файлов, сообщений об ошибках и принятых решений без потери критически важных технических деталей.

Создание корпоративных кодирующих агентов

Проектирование управления контекстом для агентов, работающих с кодовыми базами объёмом 5M+ токенов, реализация сжатия, сохраняющего сигнатуры функций, определения типов и архитектурные решения.

Оценка качества сжатия

Тестирование различных стратегий сжатия с использованием оценки на основе зондов для измерения точности, отслеживания артефактов и возможности продолжения перед развёртыванием в продакшн.

Попробуйте эти промпты

Начальный уровень: Создайте шаблон структурированной сводки 
Помогите мне создать шаблон структурированной сводки для сессий моего кодирующего агента. Мне нужны разделы для отслеживания изменённых файлов, принятых решений и следующих шагов. Мой агент в основном работает с TypeScript и Redis.
Средний уровень: Реализуйте триггеры сжатия 
Я создаю кодирующий агент, который теряет контекст после 50 сообщений. Разработайте стратегию триггеров сжатия с использованием подхода скользящего окна. Включите критерии того, когда сжимать, и как объединять своды инкрементально.
Продвинутый уровень: Оцените качество сжатия 
Создайте фреймворк оценки на основе зондов для моей системы сжатия контекста. Сгенерируйте 20 зондовых вопросов по категориям запоминания, отслеживания артефактов, продолжения и решений для проверки того, что своды сохраняют критически важную информацию.
Экспертный уровень: Оптимизация для крупных кодовых баз 
Разработайте трёхфазный рабочий процесс сжатия для проекта миграции кодовой базы объёмом 5M токенов. Включите сжатие фазы исследований до спецификации, фазы планирования до деталей реализации и стратегии использования примеров артефактов как семян сжатия.

Лучшие практики

  • Используйте явные разделы сводок для изменений файлов, решений и следующих шагов для предотвращения бесшумной потери информации
  • Запускайте сжатие при 70-80% использовании контекста с инкрементальным объединением вместо полной регенерации
  • Тестируйте качество сжатия зондовыми вопросами перед развёртыванием в рабочие процессы продакшна

Избегать

  • Оптимизация по токенам на запрос вместо общей стоимости токенов на задачу
  • Использование агрессивного непрозрачного сжатия, когда отслеживание файлов критически важно для задачи
  • Полная регенерация сводов при каждом сжатии вместо инкрементального объединения

Часто задаваемые вопросы

Какой коэффициент сжатия следует ожидать для сессий кодирующего агента?
Структурированное суммирование достигает 98.6% сжатия при сохранении качества. Для сессии объёмом 89000 токенов ожидайте примерно 1240 токенов после сжатия. Непрозрачные методы достигают 99.3%, но теряют критически важные технические детали.
Как узнать, что сжатие теряет важную информацию?
Используйте оценку на основе зондов: задайте агенту вопросы о путях к файлам, сообщениях об ошибках и решениях после сжатия. Если ответы размыты или неправильны, ваше сжатие теряет сигнал. Отслеживайте частоту повторных запросов как индикатор качества.
Какие разделы следует включить в структурированную сводку для кодирующих задач?
Включите Намерение сессии, Изменённые ф��йлы с конкретными изменениями, Принятые решения, Текущее состояние с результатами тестов и Следующие шаги. Эти разделы действуют как чеклисты, которые заставляют суммизатор сохранять критически важную информацию.
Когда следует сжимать контекст диалога агента?
Запускайте сжатие при 70-80% использования контекста для предсказуемого поведения. Сжатие на границах задач (в логических точках завершения) создаёт более чистые своды, но имеет непредсказуемое время. Не дожидайтесь достижения пределов контекста.
Может ли сжатие обрабатывать изменения кодовой базы в нескольких файлах?
Да, но отслеживание цепочек артефактов — самая слабая размерность для всех методов (2.2-2.5 из 5.0). Используйте явные файловые разделы в структурированных сводах и рассмотрите отдельную индексацию артефактов для критического отслеживания состояния файлов.
Является ли итеративное суммирование с привязкой лучше регенеративных подходов?
Для длительных кодирующих сессий (100+ сообщений) итеративное с привязкой превосходно, потому что сохраняет информацию на протяжении циклов посредством инкрементального объединения. Регенеративные подходы могут терять детали, когда полный обзор контекста невозможен.

Сведения для разработчиков

Автор

sickn33

Лицензия

MIT

Репозиторий

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

Ссылка

main

Структура файлов

📄 SKILL.md