context-fundamentals

Context-fundamentals 是开发者与工程师构建生产级 AI 代理系统的必备基础技能。它建立了上下文工程的技术纪律，将 LLM 上下文窗口视为有限的注意力预算而非无限的存储空间。通过掌握此技能，用户能设计出能缓解“中间丢失”现象与 U 型注意力曲线退化的架构，这些问题在长文本任务中极为常见。

本技能提供系统提示词组织、工具定义设计及对话记录压缩的实作模式。它指导开发者如何应用“渐进式揭露”（仅在必要时载入信息）来维持模型专注度并降低 Token 成本。对于负责调试代理行为或优化复杂多轮对话效能的开发者而言，这是不可或缺的工具。

• 信息优先于详尽的原则，以最大化代理路径中的信噪比。

• 关键限制的位置感知放置指南，以利用高回忆区域（上下文开头与结尾）。

• 工具定义重构策略，包括处理参数预设值、使用情境及 JSON 序列化膨胀问题。

• 周期性优化对话历史以防止上下文饱和的方法。

• 观测遮罩技术，将冗长的工具输出替换为简洁的参照。

• 当启动新的代理架构设计或进行提示词链代码审查时启动此技能。

• 当代理出现行为偏移或因上下文超载而无法遵循指令时，将其用于事故响应。

• 输入需求包括当前的系统提示词、工具定义或推理踪迹片段。

• 输出提供结构性重构建议、注意力预算分析及启发式提示词优化。

• 请注意，大多数模型的有效容量通常仅为标称窗口的 60-70%；请据此规划以避免效能崩溃。