Навыки context-optimization
📦

context-optimization

Безопасно

Оптимизация контекстных окон

Также доступно от: Asmayaseen,ChakshuGautam,muratcankoylan

Контекстные окна ограничивают объём данных, которые AI-модели могут обрабатывать за один раз. Этот навык предоставляет методы для максимизации эффективной ёмкости контекста за счёт компактизации, маскирования, оптимизации KV-кэша и секционирования, фактически удваивая или утраивая возможности вашего AI.

Поддерживает: Claude Codex Code(CC)
🥉 72 Бронза
1

Скачать ZIP навыка

2

Загрузить в Claude

Перейдите в Settings → Capabilities → Skills → Upload skill

3

Включите и начните использовать

Протестировать

Использование «context-optimization». Утилизация контекста 85%, разговор становится медленным и дорогим

Ожидаемый результат:

Применена компактизация: 20 предыдущих сообщений суммированы в 3 ключевых решения, контекст сокращён на 60%. Активировано маскирование наблюдений для выводов инструментов из ходов 1-5.

Использование «context-optimization». Необходимо обработать документ на 50 страниц с контекстным окном 32k

Ожидаемый результат:

Документ разделён на 4 секции. Каждая назначена изолированному суб-агенту. Результаты агрегированы: все секции обработаны, итоговое резюме занимает 8k токенов.

Использование «context-optimization». Системный промпт и определения инструментов повторяются в каждом запросе

Ожидаемый результат:

Контекст перестроен: сначала системный промпт, затем определения инструментов, затем разговор. Достигнут 75% показатель попаданий в кэш, задержка снижена на 40%.

Аудит безопасности

Безопасно
v1 • 2/24/2026

All 16 static findings are false positives. The skill is a documentation/guide containing code examples for context optimization. Python code snippets were incorrectly flagged as shell commands, and text patterns like 'MD5' in '3+ turns' and skill names were misidentified as security issues. No actual security risks present.

1
Просканировано файлов
187
Проанализировано строк
0
находки
1
Всего аудитов
Проблем безопасности не найдено
Проверено: claude

Оценка качества

38
Архитектура
100
Сопровождаемость
87
Контент
34
Сообщество
100
Безопасность
91
Соответствие спецификации

Что вы можете построить

Долгоживущие AI-агенты

Создание production-агентов, которые сохраняют контекст в течение длительных сессий без достижения токенных лимитов

Обработка больших документов

Обработка документов, превышающих контекстное окно, путём секционирования и агрегации результатов

Снижение затрат

Сокращение API-затрат за счёт минимизации использования токенов с помощью стратегий кэширования и сжатия

Попробуйте эти промпты

Базовая проверка контекста 
Проверьте текущую утилизацию контекста. Если она превышает 70%, примените компактизацию путём суммирования старых сообщений и сохранения ключевых решений.
Маскирование выводов инструментов 
Для выводов инструментов из 3+ и более старых ходов, которые выполнили свою задачу, замените их на компактные ссылки, содержащие только ключевые выводы.
Оптимизация для кэширования 
Переставьте элементы контекста для максимизации попаданий в кэш: сначала системный промпт и определения инструментов, затем повторно используемый контент, и уникальный контент в конце.
Секционирование суб-агентов 
Разделите текущую задачу на независимые подзадачи. Назначьте каждую отдельному суб-агенту с изолированным контекстом. Агрегируйте результаты после завершения всех.

Лучшие практики

  • Измеряйте перед оптимизацией - установите базовые метрики использования токенов и производительности
  • Применять компактизацию перед маскированием - суммирование сохраняет больше информации, чем удаление
  • Проектируйте для стабильности кэша - используйте согласованный формат и избегайте динамического контента в промптах

Избегать

  • Агрессивное сжатие - сжатие ниже 50% вызывает значительную потерю качества
  • Маскирование критических наблюдений - никогда не маскируйте данные, необходимые для текущих рассуждений
  • Игнорирование мониторинга - эффективность оптимизации ухудшается со временем без измерений

Часто задаваемые вопросы

Увеличивает ли этот навык контекстное окно?
Нет. Этот навык оптимизирует использование доступного контекста, делая его больше за счёт удаления избыточности и сжатия данных.
Какая стратегия оптимизации лучше для задач с большим количеством разговоров?
Лучше всего работает компактизация с суммированием. Суммируйте старые ходы разговора, сохраняя ключевые решения и обязательства.
Какого сокращения токенов можно ожидать?
Компактизация достигает сокращения на 50-70% с потерей менее 5% качества. Маскирование достигает сокращения на 60-80% в маскируемых наблюдениях.
Работает ли кэширование между разными разговорами?
Prefix caching работает только когда промпты имеют идентичные префиксы. Держите системные промпты стабильными для максимизации попаданий в кэш.
Когда следует использовать секционирование суб-агентов?
Секционируйте, когда задача слишком сложна для одного контекста, или когда подзадачи имеют конфликтующие требования к контексту.
Как понять, когда активировать оптимизацию?
Мониторьте утилизацию токенов выше 80%, деградацию качества ответов или увеличивающуюся задержку как основные триггеры.

Сведения для разработчиков

Автор

sickn33

Лицензия

MIT

Репозиторий

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

Ссылка

main

Структура файлов

📄 SKILL.md