用途：在设计、审查或调试智能体上下文窗口如何填充、裁剪与共享时使用，例如决定启动时加载什么、按需加载什么、如何设定上下文预算。资料明确标注为 2024–2025 年的临时历史研究快照，非规范性，不建议直接套用于当前前沿模型；与 OpenRig 现行技能、用户明示裁决或实测实践冲突时以后者为准。
主要能力：给出上下文工程的心智模型、核心原则与技术目录。原则包括按信号密度而非长度取舍、为下一步而非整个任务准备上下文、留出远低于窗口上限的预算、追加式设计以保护缓存、按注意力位置安排与重述目标、保留失败信息、共享决策而不仅是事实、校准指令高度、把智能体视为上下文函数。技术包括渐进式披露、即时检索与预计算上下文、压缩与摘要、上下文编辑与工具结果清理、结构化笔记与持久记忆、子智能体与上下文隔离。
使用方式：按描述所列时机加载，不纳入基础流程。资料未提供安装命令、URL 之外的代码或具体调用方式。
适用场景：编码智能体在可导航环境中的长任务、多步工具调用、研究类广度高任务、跨会话记忆与多智能体协作。
限制：文中若干数值与上限为特定模型、特定时间的可失效快照，只应理解机制而非照搬。压缩与摘要、最小前置与广泛定向、即时检索假设、固定上下文上限、单智能体与多智能体建议均被列为需重新验证的可疑区域。收费、价格、平台与效果数据暂未提供。