用途
该技能面向大语言模型（LLM）应用中的上下文窗口管理问题，帮助开发者应对令牌限制、上下文腐化（context rot）以及对话中途关键信息丢失等情况。其核心定位是上下文工程（context engineering），强调上下文是一种有限资源且存在收益递减：更多令牌并不等于更好结果，关键在于筛选出正确的信息。
主要能力
资料中列出的能力包括：
- context-engineering（上下文工程）
- context-summarization（上下文摘要）
- context-trimming（上下文裁剪）
- context-routing（上下文路由）
- token-counting（令牌计数）
- context-prioritization（上下文优先级排序）
模式与反模式
资料中给出的模式包括：
- 分层上下文策略（Tiered Context Strategy）：根据上下文大小采用不同策略。
- 序列位置优化（Serial Position Optimization）：将重要内容放在开头和结尾。
- 智能摘要（Intelligent Summarization）：按重要性而非仅按新近程度进行摘要。
资料中列出的反模式包括：
- 朴素截断（Naive Truncation）
- 忽视令牌成本（Ignoring Token Costs）
- 一刀切方案（One-Size-Fits-All）
使用方式
资料未提供具体的安装命令、调用方式或代码示例，暂未提供。
适用场景
适用于需要管理 LLM 上下文窗口的场景，例如处理上下文窗口、令牌限制、上下文腐化等问题，以及需要决定何时摘要、何时检索的对话系统。资料提到该技能与 rag-implementation、conversation-memory、prompt-caching、llm-npc-dialogue 等技能配合良好。
限制
资料未说明该技能的具体平台支持、收费方式、价格或效果指标，暂未提供。