SuperAPI AI 工具集

context-engineering

编程与开发

查看项目

更新于 11-07 08:26

技能介绍

context-engineering 是一个上下文工程技能,核心目标是通过动态上下文注入、模式切换、选择性加载和策略性压缩来优化 token 使用。

用途 该技能用于在 AI 代理工作过程中管理上下文:在会话初始化时检测项目上下文,在每个阶段开始前注入相关上下文,在 token 预算告警时进行策略性压缩,并在模式切换(开发到审查到研究)时调整加载内容。

工作模式 技能提供三种模式,每种模式有不同的加载与跳过策略和优先级:

开发模式(Dev) 加载:架构文档、活跃代码文件、测试文件、近期变更。 跳过:历史讨论、已完成的里程碑、研究笔记。 优先级:实现速度。

审查模式(Review) 加载:代码差异、编码规范、安全规则、测试覆盖率。 跳过:架构文档、规划笔记、研究内容。 优先级:彻底性与准确性。

研究模式(Research) 加载:需求、现有模式、外部研究、备选方案。 跳过:实现细节、测试文件、CI 配置。 优先级:信息广度。

主要能力 动态注入:自动检测项目上下文(语言、框架、工具);根据检测到的上下文加载相关技能;注入领域特定的模式与约定;按上下文模式调整工具允许列表。

选择性加载:只加载与当前任务相关的文件;使用 glob 模式限定文件读取范围;优先处理最近修改的文件;跳过二进制文件和生成代码。

策略性压缩:监控上下文 token 使用量;对已解决/已完成条目建议压缩;归档到记忆文件(activeContext、patterns、progress);压缩前状态保留;在 token 阈值处自动触发压缩。

跨平台检测 包管理器:npm(package-lock.json)、pnpm(pnpm-lock.yaml)、yarn(yarn.lock)、bun(bun.lockb)。 语言:TypeScript(tsconfig.json)、Go(go.mod)、Python(pyproject.toml)、Java(pom.xml)。 测试运行器:vitest、jest、pytest、go test。 CI/CD:GitHub Actions、Dockerfile、docker-compose。

使用方式 在会话初始化时检测上下文;在每个阶段之前注入相关上下文;在 token 预算告警时执行策略性压缩;在模式转换(开发到审查到研究)时切换加载策略。

适用场景 适用于需要管理大量上下文、控制 token 消耗的 AI 编码代理工作流,尤其是涉及多阶段任务、模式切换和长会话的场景。

相关代理 所有代理通过上下文检测间接使用该技能;context-engineering 代理用于显式的压缩分析。

限制 资料未提供具体的安装命令、配置方式、收费信息或平台支持范围,暂未提供。