上下文工程的智能体技能集

一个全面、开放的智能体技能集，专注于构建生产级AI智能体系统的上下文工程原则。这些技能教授策划上下文的艺术和科学，以在任何智能体平台上最大化智能体效能。

什么是上下文工程？

上下文工程是管理语言模型上下文窗口的学科。与专注于制作有效指令的提示工程不同，上下文工程关注的是对进入模型有限注意力预算的所有信息进行整体整理：系统提示、工具定义、检索到的文档、消息历史和工具输出。

根本挑战在于上下文窗口受限于注意力机制而非原始令牌容量。随着上下文长度增加，模型表现出可预测的退化模式："中间丢失"现象、U形注意力曲线和注意力稀缺。有效的上下文工程意味着寻找最小化的高信号令牌集合，以最大化预期结果的概率。

认可

该仓库在学术研究中被引用，作为静态技能架构的基础性工作：

"虽然静态技能已被广泛认可 [Anthropic, 2025b; Muratcan Koylan, 2025]，但MCE是首批动态演进它们的系统之一，弥合了手动技能工程和自主自我改进之间的鸿沟。"

— 通过智能体技能演进的元上下文工程，北京大学通用人工智能国家重点实验室 (2026)

技能概览

基础技能

这些技能为所有后续的上下文工程工作奠定基础理解。

技能	描述
context-fundamentals	理解什么是上下文、为什么它重要，以及智能体系统中上下文的结构
context-degradation	识别上下文失败模式：中间丢失、污染、干扰和冲突
context-compression	设计和评估长时间运行的会话的压缩策略

架构技能

这些技能涵盖构建有效智能体系统的模式和结构。

技能	描述
multi-agent-patterns	掌握编排器、点对点和分层多智能体架构
memory-systems	设计短期、长期和基于图的记忆架构
tool-design	构建智能体可以有效使用的工具
filesystem-context	使用文件系统进行动态上下文发现、工具输出卸载和计划持久化
hosted-agents	新增 使用沙盒虚拟机、预构建镜像、多人支持和多客户端接口构建后台编码智能体

运维技能

这些技能解决智能体系统的持续运行和优化问题。

技能	描述
context-optimization	应用压缩、掩码和缓存策略
evaluation	为智能体系统构建评估框架
advanced-evaluation	掌握LLM作为评判者的技术：直接评分、成对比较、评分标准生成和偏差缓解

开发方法论

这些技能涵盖构建LLM驱动项目的元级实践。

技能	描述
project-development	从构思到部署设计和构建LLM项目，包括任务-模型匹配分析、管道架构和结构化输出设计

认知架构技能

这些技能涵盖智能体系统的形式化认知建模。

技能	描述
bdi-mental-states	新增 使用形式化BDI本体模式将外部RDF上下文转换为智能体心理状态（信念、愿望、意图），用于审慎推理和可解释性

设计理念

渐进式披露

每个技能都为高效使用上下文而构建。在启动时，智能体只加载技能名称和描述。只有当技能被激活用于相关任务时，才会加载完整内容。

平台无关性

这些技能专注于可转移的原则，而不是供应商特定的实现。这些模式适用于Claude Code、Cursor以及任何支持技能或允许自定义指令的智能体平台。

概念基础与实践示例

脚本和示例使用Python伪代码演示概念，可在不同环境中工作，无需安装特定依赖项。

使用方法

与Claude Code一起使用

该仓库是一个Claude Code插件市场，包含上下文工程技能，Claude会根据您的任务上下文自动发现和激活这些技能。

安装

步骤1：添加市场

在Claude Code中运行此命令，将该仓库注册为插件源：

/plugin marketplace add muratcankoylan/Agent-Skills-for-Context-Engineering

步骤2：安装插件

选项A - 浏览并安装：

1. 选择浏览并安装插件
2. 选择context-engineering-marketplace
3. 选择context-engineering
4. 选择立即安装

选项B - 通过命令直接安装：

/plugin install context-engineering@context-engineering-marketplace

这会将所有13个技能安装为单个插件。技能会根据您的任务上下文自动激活。

###技能触发器

技能	触发条件
context-fundamentals	"understand context", "explain context windows", "design agent architecture"
context-degradation	"diagnose context problems", "fix lost-in-middle", "debug agent failures"
context-compression	"compress context", "summarize conversation", "reduce token usage"
context-optimization	"optimize context", "reduce token costs", "implement KV-cache"
multi-agent-patterns	"design multi-agent system", "implement supervisor pattern"
memory-systems	"implement agent memory", "build knowledge graph", "track entities"
tool-design	"design agent tools", "reduce tool complexity", "implement MCP tools"
filesystem-context	"offload context to files", "dynamic context discovery", "agent scratch pad", "file-based context"
hosted-agents	"build background agent", "create hosted coding agent", "sandboxed execution", "multiplayer agent", "Modal sandboxes"
evaluation	"evaluate agent performance", "build test framework", "measure quality"
advanced-evaluation	"implement LLM-as-judge", "compare model outputs", "mitigate bias"
project-development	"start LLM project", "design batch pipeline", "evaluate task-model fit"
bdi-mental-states	"model agent mental states", "implement BDI architecture", "transform RDF to beliefs", "build cognitive agent"

适用于 Cursor（开放插件）

本仓库已收录于 Cursor 插件目录。

.plugin/plugin.json 清单遵循开放插件标准，因此该仓库也可与任何兼容的代理工具（Codex、GitHub Copilot 等）配合使用。

使用单个技能

如需使用单个技能而不安装完整插件，可将其 SKILL.md 直接复制到项目的 .claude/skills/ 目录：

# 示例：仅添加 context-fundamentals 技能
mkdir -p .claude/skills
curl -o .claude/skills/context-fundamentals.md \
  https://raw.githubusercontent.com/muratcankoylan/Agent-Skills-for-Context-Engineering/main/skills/context-fundamentals/SKILL.md

可用技能：context-fundamentals、context-degradation、context-compression、context-optimization、multi-agent-patterns、memory-systems、tool-design、filesystem-context、hosted-agents、evaluation、advanced-evaluation、project-development、bdi-mental-states

自定义实现

可从任何技能中提取原则和模式，并将其实现到您的代理框架中。这些技能刻意保持与平台无关的特性。

示例

examples 文件夹包含完整的系统设计，展示了多个技能如何在实践中协同工作。

示例	描述	应用的技能
digital-brain-skill	新增 为创始人和创作者打造的个人操作系统。完整的 Claude Code 技能，包含 6 个模块、4 个自动化脚本	context-fundamentals, context-optimization, memory-systems, tool-design, multi-agent-patterns, evaluation, project-development
x-to-book-system	监控 X 账号并生成每日综合书籍的多代理系统	multi-agent-patterns, memory-systems, context-optimization, tool-design, evaluation
llm-as-judge-skills	生产就绪的 LLM 评估工具，包含 TypeScript 实现，19 个通过测试	advanced-evaluation, tool-design, context-fundamentals, evaluation
book-sft-pipeline	训练模型以任何作者的风格写作。包括 Gertrude Stein 案例研究，在 Pangram 上获得 70% 人类评分，总成本 $2	project-development, context-compression, multi-agent-patterns, evaluation

每个示例包含：

• 完整的 PRD 及架构决策
• 技能映射，展示哪些概念影响了每个决策
• 实现指南

Digital Brain Skill 示例

digital-brain-skill 示例是一个完整的个人操作系统，展示了全面的技能应用：

• 渐进式展示（Progressive Disclosure）：3 级加载（SKILL.md → MODULE.md → 数据文件）
• 模块隔离（Module Isolation）：6 个独立模块（身份、内容、知识、网络、运营、代理）
• 追加式内存（Append-Only Memory）：使用模式优先行的 JSONL 文件，便于代理解析
• 自动化脚本（Automation Scripts）：4 个整合工具（weekly_review、content_ideas、stale_contacts、idea_to_draft）

包含详细的可追溯性文档 HOW-SKILLS-BUILT-THIS.md，将每个架构决策映射到特定的技能原则。

LLM-as-Judge Skills 示例

llm-as-judge-skills 示例是一个完整的 TypeScript 实现，展示了：

• 直接评分（Direct Scoring）：根据加权标准和评分规则评估响应
• 成对比较（Pairwise Comparison）：比较响应并缓解位置偏差
• 评分规则生成（Rubric Generation）：创建领域特定的评估标准
• EvaluatorAgent：整合所有评估能力的高级代理

Book SFT Pipeline 示例

book-sft-pipeline 示例展示了训练小型模型（8B）以任何作者风格写作：

• 智能分段（Intelligent Segmentation）：双层分块与重叠，最大化训练样本
• 提示多样性（Prompt Diversity）：15+ 模板防止记忆并强制风格学习
• Tinker 集成（Tinker Integration）：完整的 LoRA 训练工作流，总成本 $2
• 验证方法论（Validation Methodology）：现代场景测试证明风格迁移优于内容记忆

与上下文工程技能集成：project-development、context-compression、multi-agent-patterns、evaluation。

Star 历史

结构

每个技能遵循 Agent Skills 规范：

skill-name/
├── SKILL.md              # 必需：说明 + 元数据
├── scripts/              # 可选：演示概念的可执行代码
└── references/           # 可选：额外文档和资源

请参阅 template 文件夹了解规范的技能结构。

贡献指南

本仓库采用 Agent Skills 开放开发模式。欢迎来自更广泛生态系统的贡献。在贡献时，请遵循以下原则：

1. 遵循技能模板结构
2. 提供清晰、可操作的指令
3. 在适当的地方包含可工作的示例
4. 记录权衡取舍和潜在问题
5. 将 SKILL.md 保持在 500 行以内以获得最佳性能

欢迎与 Muratcan Koylan 联系，讨论合作机会或任何咨询。

许可证

MIT 许可证 - 详见 LICENSE 文件。

参考资料

这些技能的原则来源于领先人工智能实验室和框架开发者的研究和生产经验。每项技能都包含支撑其建议的基础研究和案例研究参考。

Agent-Skills-for-Context-Engineering 快速上手指南

环境准备

系统要求

• 操作系统：macOS、Windows（WSL）、Linux
• 运行工具：Claude Code（必需）
• 其他工具：Git、curl（用于单独安装技能）

前置依赖

1. 安装 Claude Code（请访问 anthropic.com/claude-code 获取安装包）
2. 确保命令行可访问 git 和 curl

安装步骤

方式一：Claude Code 插件安装（推荐）

Step 1：添加 Marketplace

在 Claude Code 中运行：

/plugin marketplace add muratcankoylan/Agent-Skills-for-Context-Engineering

Step 2：安装插件

选择以下任一方式：

• 方式 A：运行 /plugin install context-engineering@context-engineering-marketplace
• 方式 B：在 Claude Code 中依次选择 Browse and install plugins → context-engineering-marketplace → context-engineering → Install now

安装完成后，13 个技能将自动集成到 Claude Code 中。

方式二：单独安装单个技能

如果只需使用某个技能，可以直接下载对应的 SKILL.md 文件：

# 创建技能目录
mkdir -p .claude/skills

# 下载单个技能（以 context-fundamentals 为例）
curl -o .claude/skills/context-fundamentals.md \
  https://raw.githubusercontent.com/muratcankoylan/Agent-Skills-for-Context-Engineering/main/skills/context-fundamentals/SKILL.md

可用的技能列表：context-fundamentals、context-degradation、context-compression、context-optimization、multi-agent-patterns、memory-systems、tool-design、filesystem-context、hosted-agents、evaluation、advanced-evaluation、project-development、bdi-mental-states

基本使用

自动触发

安装插件后，技能会根据任务上下文自动激活。例如：

触发指令	激活技能
"understand context"	context-fundamentals
"diagnose context problems"	context-degradation
"compress context"	context-compression
"optimize context"	context-optimization
"design multi-agent system"	multi-agent-patterns
"implement agent memory"	memory-systems
"design agent tools"	tool-design
"evaluate agent performance"	evaluation
"start LLM project"	project-development

简单示例

在 Claude Code 中直接提出需求即可：

# 想要理解上下文工程的基础概念
"explain what is context engineering"

# 想要优化上下文使用
"help me optimize context to reduce token costs"

# 想要设计多智能体系统
"design a multi-agent architecture for my project"

Claude Code 会自动加载相关技能并提供指导。

查看示例项目

仓库中的 examples 目录包含完整系统设计供参考：

• digital-brain-skill：个人知识管理系统
• x-to-book-system：多智能体内容生成系统
• llm-as-judge-skills：LLM 评估工具
• book-sft-pipeline：模型风格训练流水线

查看示例：

git clone https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering.git
cd Agent-Skills-for-Context-Engineering/examples