用途：诊断并修复长上下文中的智能体失败，防止问题级联。适用于长对话中性能意外下降、输出错误或无关、设计需可靠处理大上下文的系统、评估生产环境上下文工程方案、排查“中间遗忘”现象等。相邻工作不由本技能负责：基础机制讲解属 context-fundamentals，已知模式后的 token 优化属 context-optimization，压缩或交接摘要策略属 context-compression，把大输出与日志持久化到提示外属 filesystem-context。
主要能力：围绕注意力 U 型曲线，将关键信息放在上下文首尾，避免中段；把投毒视为断路器问题，追踪声明来源，回退到投毒点之前或仅用已验证上下文重启；加载前积极过滤，单个无关文档即可造成可测退化；按任务隔离上下文窗口，防止跨任务约束混入；用优先级规则而非堆叠解决版本或来源冲突，显式标注矛盾。
使用方式：开发中监控上下文长度与性能相关性，用四桶框架——Write 在上下文利用率超 70% 时外置存储，Select 检索过滤，Compress 摘要压缩，Isolate 拆分子智能体或会话——并采用即时加载、观察掩码、子智能体架构，在超过模型特定退化起点前触发压缩。
限制与注意：退化阈值因模型与任务而异，通常在广告窗口的 60-70% 开始；发布基准会随模型更新失效，应定期重测。针尖测试高分不代表生产长上下文能力；正常波动可能被误判为退化；提示词本身的问题也会呈现类似症状，需先在短上下文中验证。资料未提供安装命令与价格信息。