跳到主要内容

上下文退化技能

结合已验证事实和具体任务对照,诊断长上下文失败并制定恢复方案。

社区 · Muratcan Koylan
作者Muratcan Koylan
许可证MIT
来源muratcankoylan/Agent-Skills-for-Context-Engineering · GitHub 上的 SKILL.md
适用于Claude Code · Codex、Gemini CLI、Cursor、Copilot
读取源文件日期

context-degradation 技能诊断由拥挤、误导或冲突的代理上下文引起的问题。

它区分中间信息遗漏、污染、干扰、混淆和冲突。恢复从症状和已验证证据出发,不依赖通用 token 阈值。

摘自该技能的 SKILL.md: ## Gotchas

这是 Muratcan Koylan 发布的社区技能,未经我们或 Anthropic 审核。技能可以让智能体运行代码、读取文件或访问网络。安装前请阅读它的 SKILL.md 和文件夹中的每个脚本,留意任何与其声称用途不符的内容。

功能

  1. 分类已观察到的失败并检查上下文。
  2. 重复运行,与更小上下文的基线对比。
  3. 提出选择性检索、压缩、隔离或基于验证事实的重启方案。

产出内容

  • 上下文失败诊断和恢复实验计划。

适用场景

  • 代理在长会话中遗漏要求或重复早先错误。

不适用的场景

  • 实现持久记忆系统,或假定所有错误都源于上下文窗口。

所需条件

  • 需要能读取文件的代理,以及代表性提示词、轨迹和预期结果。
  • 可选 Python 示例使用模拟注意力与启发式检查,不是模型遥测或经过校准的检测器。

技能包含的文件

文件或文件夹用途
SKILL.md失败模式、诊断对照和恢复指导。
references/patterns.mdPython 检测示例和退化模式参考指南。
scripts/degradation_detector.pyPython 检测示例和退化模式参考指南。

2026-11-20 在仓库中查到的许可证:MIT。

示例提示词

安装后输入下面任意一条;在提示词中点名技能,可确保它被使用。

  • 诊断这段长会话为何反复忽略验收标准。
  • 先比较短、长上下文的运行结果,再建议压缩。
  • 仅使用已验证事实及其来源,制定重启方案。

如何安装 context-degradation

复制完整技能文件夹

让参考资料和脚本与 SKILL.md 保持相对位置。插件市场版本会安装更大的上下文工程合集。

阅读指南不需要付费服务。真实实验需要你的代理和任务,模型调用可能收费。此处未验证托管上传和 API 执行。

技能(Skill)是一个包含 SKILL.md 文件的文件夹。只需安装一次;智能体会在每次会话开始时读取它的简短描述,只有请求匹配时才加载完整说明。选择你使用的环境:

Claude Code:从插件市场安装

  1. 在终端中用 claude 启动 Claude Code。
  2. 添加插件市场(每台电脑一次):
    /plugin marketplace add muratcankoylan/Agent-Skills-for-Context-Engineering
  3. 安装插件。Claude Code 会先显示插件详情:确认它会添加哪些内容(技能、Hooks、MCP 服务器),然后选择安装给你自己、给该仓库的所有人,还是仅在该仓库中给你自己使用。
    /plugin install context-engineering@context-engineering-marketplace
  4. 输入 / 查找 /context-engineering:context-degradation,或直接提出任务。

也可以不进入会话,直接在 shell 中运行:

claude plugin marketplace add muratcankoylan/Agent-Skills-for-Context-Engineering
claude plugin install context-engineering@context-engineering-marketplace

插件会整体安装,因此会附带其他技能,包括 context-fundamentals, context-compression, context-optimization, self-managed-context, multi-agent-patterns, long-horizon-prompting, memory-systems, tool-design, filesystem-context, hosted-agents, evaluation, advanced-evaluation, harness-engineering, project-development, bdi-mental-states, latent-briefing, self-improvement-loops。

Claude Code:把文件夹复制到技能文件夹

把技能文件夹放到 ~/.claude/skills/,可在这台电脑的所有项目中使用;放到仓库内的 .claude/skills/,则与在该仓库工作的所有人共享(记得提交)。

git clone --depth 1 https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering.git
mkdir -p ~/.claude/skills
cp -R Agent-Skills-for-Context-Engineering/skills/context-degradation ~/.claude/skills/

Claude Code 会在会话期间识别这些文件夹中新增或修改的技能。如果会话开始时技能文件夹还不存在,请运行一次 /reload-skills。然后输入 /context-degradation,或直接描述任务。

在 Windows 上,请在 Git Bash 或 WSL 中运行这些命令,或用文件资源管理器把文件夹复制到同样的位置。

Codex、Gemini CLI、Cursor 和 GitHub Copilot

这些智能体读取同样的 SKILL.md 文件夹。四者在项目中都认可的文件夹是 .agents/skills/,所以下面的命令把技能复制到那里:

git clone --depth 1 https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering.git
mkdir -p .agents/skills
cp -R Agent-Skills-for-Context-Engineering/skills/context-degradation .agents/skills/
智能体项目文件夹用户文件夹说明
OpenAI Codex
.agents/skills/
~/.agents/skills/
输入 $ 或运行 /skills 来选择技能;当任务匹配时,Codex 也会自动选用。
Gemini CLI
.agents/skills/
.gemini/skills/
~/.agents/skills/
~/.gemini/skills/
也可以用 gemini skills install <git URL> --path <folder> --consent 从 Git 安装。2026 年 6 月 18 日起,Google 已用 Antigravity CLI 取代 Gemini CLI,面向免费层级和 Google One 用户;Antigravity 在项目中使用 .agents/skills/,个人使用 ~/.gemini/config/skills/。
Cursor
.agents/skills/
.cursor/skills/
~/.agents/skills/
~/.cursor/skills/
在 Agent 聊天中输入 / 选择技能。Cursor 也会读取 Claude Code 的 .claude/skills/ 文件夹。
GitHub Copilot
.github/skills/
.agents/skills/
.claude/skills/
~/.copilot/skills/
~/.agents/skills/
适用于 Copilot CLI、云端智能体,以及 VS Code、Visual Studio 和 JetBrains 中的智能体模式(IDE 支持取决于版本)。也可以运行 gh skill install OWNER/REPOSITORY SKILL(公开预览版,需 GitHub CLI 2.90.0 或更高版本)。
只安装你信任的技能. Anthropic 的建议是只使用可信来源的技能,其他技能在使用前要读完每个文件:技能可能以其描述中未提及的方式,指示智能体运行命令、读取文件或发送数据。

这些步骤的来源

已于 2026-11-14 对照各厂商的文档核实:

先诊断,再修改执行框架

先测试提示词在更小且相关的上下文中是否有效。重复运行并比较结果,避免将普通波动误认为退化。

在重要事实旁记录来源和优先关系。更短的摘要如果保留了错误,仍会污染下次会话。

示例检测器的限制

脚本通过模拟曲线和文本模式展示风险,不能证明模型是否关注了某段文字,也不能验证内容真伪。

用真实任务结果验证恢复效果。记录模型、提示词、上下文组成和实验条件,让对照有意义。

关于 context-degradation 的常见问题

示例会测量模型真实注意力吗?

不会。它模拟注意力曲线,使用近似 token 数和模式检查。

是否存在统一安全的上下文长度?

没有。应为具体模型、任务和执行框架建立基线,不应把示例阈值当成通用限制。

重启时应该保留所有早先回答吗?

不应该。只保留有来源的已验证事实;保留无依据的回答可能重复引发失败。

它能代替上下文压缩吗?

不能。它负责诊断并选择恢复路径;压缩与持久记忆仍需单独实现。

更多 AI 技能

相关技能

技能分类