用途：帮助诊断和设计长上下文系统。当智能体在长对话中性能意外下降、输出错误或无关、需要可靠处理大上下文、评估上下文工程方案、调查“中间遗忘”现象或分析上下文相关失败时启用。
主要能力：归纳五类退化模式——中间遗忘（U形注意力，中部信息召回率低10-40%）、上下文污染（错误经反复引用放大）、上下文分心（无关信息挤占注意力）、上下文混淆（无关信息影响行为）、上下文冲突（多条正确信息互相矛盾）。给出检测信号与恢复思路，如截断至污染点前、显式标注冲突、版本过滤。
使用方式：将关键信息放在上下文开头或结尾；加载前做相关性过滤与文档校验；在退化加剧前触发压缩；用子智能体或会话隔离上下文；用版本控制避免过时信息冲突。四类策略为写入（外部存储）、选择（检索过滤）、压缩（摘要与观察掩码）、隔离（拆分上下文）。
适用场景：长对话智能体、多源检索、生产上下文工程评估、模型选型。
限制：资料中的基准数据与模型阈值（如RULER、各模型退化起点）为特定研究结论，实际表现随任务与实现而异；本技能不能替代环境特定验证、测试或专家评审；缺少必要输入、权限或成功标准时应停止并请求澄清。