用途：Context Engineering 是 Agent Skills™ 体系中的一项技能，核心是把智能体的上下文窗口视为有限且需管理的工作记忆，在降低 token 成本与延迟的同时维持输出质量。资料称其技术源自 googleadsagent.ai™ 平台实践，并强调上下文工程不当会导致幻觉、指令漂移与成本膨胀。
主要能力：围绕上下文生命周期展开，包括相关性评分、压缩引擎、优先级队列、token 预算分配、上下文窗口组装与执行后的上下文回收；会话结束后生成摘要写入记忆。提供 token 预算强制、渐进式披露、基于摘要的上下文压缩等实现思路，并给出按类别计量 token、预留输出空间、优先结构化格式、冷热上下文分离、版本化上下文 schema、在 50%/80%/95% 利用率下测试退化曲线等最佳实践。
使用方式：资料未提供安装命令或具体调用步骤，仅给出实现层面的代码思路，例如 ContextBudget 类用于按类别分配与驱逐 token，buildProgressiveContext 按层级加载摘要、相关文件、文件内容与依赖树，compress_context 在超预算时保留系统消息与最近消息并压缩中间历史。
适用场景：对话变长后质量下降、生产负载 token 成本超预算、需在大型代码库上推理、需注入领域知识而不占满窗口、多步工作流仅需传递关键状态、因窗口饱和或稀释导致幻觉等。
限制：资料未说明收费、价格、平台限制或效果保证；兼容性表列出 Claude Code、Cursor、Codex、Gemini CLI 对预算强制、渐进式披露、token 计数、压缩与会话摘要的支持差异，其中渐进式披露在 Cursor、Codex、Gemini CLI 需借助 skills、prompts 或系统提示实现。具体安装与运行方式暂未提供。