用途：上下文工程是「策划最小高信号 token 集合以达成目标」的实践。它把关注点从「问什么」（提示工程）扩展到模型看到的一切：系统指令、工具定义、文档、消息历史和工具输出。适用场景：设计智能体系统提示、优化 RAG 检索管线、管理长对话、构建多智能体架构、在维持质量下降低 token 成本与延迟。
核心观点：上下文窗口的限制不只看原始 token 容量，还受注意力机制约束；上下文增长会导致模型表现退化。「迷失在中间」现象指模型对上下文各位置注意力不均：开头与结尾注意力高，中间最弱。实践含义：系统身份、关键指令与约束放开头；背景上下文与可选细节放中间；当前任务、近期消息与查询放结尾。
五层结构：1) 系统提示（身份层），定义角色与专业水平、陈述核心原则而非僵硬规则、写明不可为的边界，置于开头；2) 工具定义（能力层），描述需给出明确触发条件与不适用条件；3) 检索文档（知识层），采用即时/渐进式加载而非预加载全部；4) 消息历史（记忆层），用滑动窗口加压缩管理；5) 工具输出（观察层），需结构化、受限长度，资料称工具输出可占总上下文使用的 83.9%。
预算与压缩：按任务类型分配 token（如 chat 与 agent 分配比例不同），压缩触发阈值 0.70、压缩目标 0.50，保留最近 5 条消息，系统提示不压缩。指标应以「每任务 token」而非「每请求 token」优化，避免过度压缩导致重复抓取、反而消耗更多 token。
工具与命令：资料提到 MCP 自动发现与延迟加载（上下文超过 10% 时延迟），状态文件路径为 /tmp/claude-mcp-defer-state-{session}.json，查看命令：cat /tmp/claude-mcp-defer-state-${CLAUDE_SESSION_ID}.json。CC 2.1.32+ 技能预算按上下文窗口 2% 自动缩放，OrchestKit 通过 CLAUDE_MAX_CONTEXT 环境变量按比例自动缩放。
限制：资料未提供收费、价格与具体部署步骤；部分模型上下文与输出上限数据仅来自该技能文档，需以官方为准；相关技能含上下文压缩、多智能体编排、RAG 检索与提示缓存。