Compétences context-window-management
📦

context-window-management

Sûr

掌握LLM上下文窗口管理

长对话和复杂提示会使LLM过载，导致信息丢失和响应质量下降。本技能教授策略性上下文策展、token优化和智能摘要，以保持高质量的AI交互。

Prend en charge: Claude Codex Code(CC)
🥉 74 Bronze
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "context-window-management". 一个关于实现新身份验证系统的50条消息对话，已超出上下文窗口

Résultat attendu:

压缩的200token摘要保留：选择的身份验证方法（OAuth 2.0 + JWT）、数据库Schema决策、安全要求、时间表和三个待处理的集成任务

Utilisation de "context-window-management". 分析竞品并进行广泛功能比较的研究会议

Résultat attendu:

优先级上下文，开头为执行摘要，中间为详细对比表，结尾为可操作建议——减少40%的token数量同时提高清晰度

Audit de sécurité

Sûr
v1 • 2/24/2026

All static analyzer findings are false positives. The backtick characters at line 54 are Markdown inline code formatting for skill references, not shell command execution. No cryptographic algorithms exist in the document. This is a documentation-only skill providing educational guidance on context window management with no executable code, external commands, or network access.

1
Fichiers analysés
58
Lignes analysées
0
résultats
1
Total des audits
Aucun problème de sécurité trouvé
Audité par: claude

Score de qualité

38
Architecture
100
Maintenabilité
87
Contenu
50
Communauté
100
Sécurité
91
Conformité aux spécifications

Ce que vous pouvez construire

长篇技术文档助手

通过策略性摘要之前的讨论同时保留关键架构决策和实现细节，维持关于复杂代码库的多会话连贯对话

客户支持对话管理

通过智能修剪已解决的问题同时保留关于持续问题、客户偏好和升级历史的情境来处理大量客户咨询

研究和分析工作流

通过优先考虑关键发现和方法论笔记同时丢弃探索性死胡同和冗余分析路径，从冗长的研究会议中综合见解

Essayez ces prompts

基本上下文摘要 
总结我们到目前为止对话的要点。聚焦于已做出的决定、待解决的问题和行动事项。将摘要保持在500个token以下，同时保留继续工作所需的所有关键信息。
策略性上下文修剪 
审查我们的对话历史，识别哪些部分可以安全地压缩或删除。优先保留：近期交换、未解决的主题和具体技术细节。摘要或删除：头脑风暴的跑题、已解决的问题和一般性讨论。
序列位置优化 
重新组织以下上下文，将最关键的信息放在开头和结尾。将相关主题分组在一起。将支持性细节移到中间部分。这可以优化LLM注意力中的序列位置效应。
多会话上下文交接 
创建上下文交接文档，包含：当前项目状态、带有理由的关键决策、待办任务及优先级、相关技术规格和已知约束。格式化为易于插入新对话同时保持完整连续性。

Bonnes pratiques

  • 将关键指令和约束放在上下文的最开始，以确保模型给予最多关注
  • 根据重要性和相关性定期摘要对话历史，而不仅仅是年龄——一些旧的上下文比最近的交换更有价值
  • 使用明确的章节标记和结构化格式，帮助模型从大型上下文中高效解析和检索相关信息

Éviter

  • 未经策展地追加所有对话历史会导致上下文膨胀，重要细节在冗长的低价值内容中丢失
  • 假设模型对所有内容的记忆程度相同——上下文位置非常重要，中间部分的注意力会下降
  • 使用均匀截断删除最近的上下文，丢失关于当前任务状态和未解决问题的关键信息

Foire aux questions

当我超出上下文窗口限制时会发生什么？
模型无法处理超出其上下文窗口的token。请求可能会完全失败，或者早期内容会被静默丢弃。主动的上下文管理通过在达到限制之前进行摘要或修剪来防止这种情况。
我如何决定保留什么上下文而摘要什么？
按对当前任务的重要性而非时间近度进行优先级排序。保留具体技术细节、带有理由的决定和未解决的项目。摘要头脑风暴、已解决的讨论和一般性对话。
LLM上下文中的序列位置效应是什么？
LLM对上下文窗口开头和结尾的内容表现出更强的注意力，中间的信息表现较差。关键内容的策略性放置可以提高模型性能。
我可以将此技能与任何AI模型一起使用吗？
是的，上下文管理原则在Claude、Codex和其他LLM中普遍适用。然而，具体的token限制和注意力模式因模型而异——请查看您的模型文档了解详情。
我应该多长时间摘要一次对话上下文？
当达到上下文窗口的50-75%时、在主要主题转换之前或在自然对话检查点时主动进行摘要。等到接近限制可能会丢失关键信息。
摘要上下文是否会丢失重要细节？
一些细节丢失是不可避免的，但策略性摘要可以在去除噪音的同时保留要点。聚焦于决定、理由、规格和行动事项。如果需要特定细节，您可以随时检索完整历史。

Détails du développeur

Auteur

sickn33

Licence

MIT

Dépôt

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

Réf

main

Structure de fichiers

📄 SKILL.md