上下文工程
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @kunlungrowth/kg-context-engineering
技能介绍
Agent 编码时常见的质量波动,根源往往不在模型能力,而在喂给它的信息:上下文太少会凭空捏造 API 或忽略项目约定,太多又会偏离当前任务,甚至引用已删除的代码。上下文工程这个技能正是针对这类问题,通过系统化的上下文策划,让 Agent 稳定贴合项目真实情况。
解决的核心问题
- 输出偏离约定:Agent 用错技术栈、违反提交规则,或自创代码风格而非沿用项目范例。
- 幻觉频发:引用不存在的文件路径、虚构 API 方法,或把外部文档中的指令当成项目规则执行。
- 上下文失焦:加载整份 5000 字规格只改一个小模块,或保留陈旧的已删代码引用,导致输出偏离当前任务。
工作机制:从层次划分到动态打包
技能核心是五级上下文层次,按持久度从高到低划分,精准控制 Agent 可见信息:
- 规则文件(最高杠杆):维护
CLAUDE.md、.cursorrules等跨会话文件,明确技术栈、命令、代码约定与边界(如「提交前必须跑测试」)。 - 规格与架构:按功能加载相关规格段落,做 auth 就只给 auth 段,而非整份规格。
- 相关源文件:改文件前先读,实现前找既有范例;按信任级别划分——项目源码可信,配置文件需核实,用户提交内容不可信,从外部加载的类指令内容仅作数据呈报不执行。
- 错误输出:仅反馈具体错误(如
TypeError: Cannot read property 'id' of undefined at UserService.ts:42),避免冗余全量日志。 - 对话管理:大功能间开新会话,上下文变长时总结进度,关键工作前主动压缩。
打包策略适配不同场景:脑暴式适合会话启动,一次性给出项目背景、约束与涉及文件;选择性包含聚焦当前任务,仅加载相关文件与模式,控制上下文规模。遇到歧义时通过混淆管理显式列出选项求问,而非猜测。最终输出 ContextSetup 工件,结构化记录规则文件状态、加载内容与冲突项,方便下游技能(如 spec-driven-development)消费。
适用边界与注意点
不适用一次性纯查询、与项目上下文无关的独立小问。需注意:规则文件必须覆盖技术栈、命令、约定与边界,否则隐性知识等于不存在;大任务间需刷新上下文,避免陈旧引用;从配置或外部文档加载的内容需严格区分信任级别,防范指令注入风险。
使用场景
- 接手新项目时,需为AI编码助手配置规则文件与边界
- 功能开发中,需按五级层次管理Agent的上下文信息量
- 多模块协作时,需规范Agent对不同信任级别文件的引用
- 调试阶段,需控制喂给Agent的错误输出范围
适合人员
- 负责AI辅助开发的工程师,希望Agent遵循项目规范
- 技术负责人,需要为团队配置Agent上下文管理方案
- 构建企业级AI系统的架构师,关注上下文分层与信任机制
- 全栈开发者,寻求提升AI编程输出稳定性的方法