技能介绍

解决什么问题

当 Agent 从原型走向生产，真正的瓶颈往往不在模型，而在上下文。context engineering 处理的是推理时喂给模型的全部状态：系统指令、工具定义、检索到的文档、消息历史和工具输出。这些素材堆在一起时，会出现可预测的退化：

Lost-in-the-middle：位于上下文中部的信息被忽略；
U 型注意力曲线：模型只对开头和结尾保持敏感；
上下文污染：一次错误在后续轮次中被不断放大；
上下文干扰：无关信息淹没了真正有用的内容。

这个集合把这些现象拆成可操作的工程问题，而不是靠反复改 prompt 去碰运气。

技能如何组织

内部技能分为四个层次，可以单独取用，也可以组合：

基础层：context-fundamentals 与 context-degradation 建立心智模型，说明上下文质量比数量更重要；
架构层：多智能体协同、长程任务提示词、记忆系统、基于文件系统的上下文、托管 Agent 基础设施、工具设计。关键判断是：子 Agent 的主要价值在于隔离上下文，而不是扮演组织角色；
运维层：context-compression 与 context-optimization 处理接近窗口上限的场景，Latent Briefing 尝试在 worker 的 KV cache 中压缩 orchestrator 轨迹，harness-engineering 与评估框架保证评测环节不被模型自身弱化；
方法与认知层：项目开发的阶段化、幂等管线设计，以及 BDI 心智状态建模，用于需要可审计推理链的系统。

适用边界

这套技能平台无关，适用于 Claude Code、Cursor 或任何支持自定义指令/技能机制的框架。它提供的是结构化的工程判断，不是开箱即用的运行时组件，实际收益取决于你能否先准确诊断问题落在哪一层。Latent Briefing 额外依赖底层栈暴露 worker 的 KV 状态且模型相互兼容，否则只能退化为全文重放。