用途：Cognitive Scaffolding 用于结构化智能体的上下文窗口，依据认知科学原理（首因效应、近因偏差、分块、注意力分配）安排信息位置，让最关键的信息获得模型最大注意力。资料称该技能在 Buddy™ 智能体上经大量实验开发，仅通过重排上下文中的信息位置，分析准确率就有可测量的提升。
主要能力：把上下文划分为四个区域——锚定区（前 5%，最高注意力，放身份与不可变规则）、前景区（后 20%，高注意力，放当前任务与近期上下文）、结构化中段（60%，中等注意力，用清晰分隔符分块）、背景区（15%，最低注意力，放参考资料与回退内容）。提供 CognitiveZone 接口与 CognitiveScaffold 类（setAnchor、addMiddleChunk、setForeground、assemble），以及 AttentionOptimizer 按重要度匹配注意力曲线、chunk_for_middle_zone 分块、build_scaffolded_prompt 组装提示等实现。
使用方式：按区域放置内容，锚定区放系统身份、安全约束与输出格式规则；前景区放用户实际请求与最近消息；中段用 XML 标签或 Markdown 标题分块并附每块摘要；背景区放参考材料。资料建议通过实验测量具体模型的注意力曲线，关键信息不要只放在中段，长上下文可在锚定区与前景区重复关键指令。
适用场景：相同信息下智能体准确率不稳定、长上下文性能下降、关键指令偶尔被忽略、需呈现大量参考数据、多文档推理需关注特定段落、针对特定模型架构优化行为。
限制：资料未提供具体安装命令、收费或价格信息；注意力曲线数值为示例，需按实际模型实测校准；平台兼容性表中 Claude Code、Cursor、Codex、Gemini CLI 均支持上下文结构化、XML 分隔符、token 预算控制与区域组装，但注意力优化在 Claude 与 Gemini 上分别为对应调优，在 Cursor 与 Codex 上依赖具体模型。