上下文工程智能体技能集
用于构建、优化和调试生产级智能体的开源技能集合，专注于上下文管理和多智能体架构。
- Star 数
- ★ 18k
- 最近更新
- 7 天前
- License
- MIT
- 主语言
- Python
- FA 评分
- 49/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Codex · Claude CodeOpenAI API（部分支持）
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 开发者正在诊断长会话中的智能体性能下降（如lost-in-middle现象），希望利用context-degradation技能来识别和解决上下文失效模式。
- 不适合
- 追求稳定、不愿跟随快速迭代与实验性自修改功能的团队
- 无法使用 Claude Code 或 Cursor 等支持 Agent Skills 平台的用户
- 源码审查
- 49/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
该仓库提供一套全面的智能体技能，涵盖上下文工程、多智能体架构及生产级智能体系统。它包含17个技能模块，从基础概念（上下文基础、上下文退化、上下文压缩）到架构模式（多智能体模式、长时程提示、记忆系统、工具设计、文件系统上下文、托管智能体），以及运营优化（上下文优化、潜在简报、评估、高级评估、控制工程、自我改进循环）。此外，还包含开发方法论（项目开发）和认知架构（BDI心智状态）。仓库同时提供示例目录，展示了数字大脑、X-to-book、LLM评判、书籍SFT流水线、交织思考、长时程提示实验室等完整实现。该仓库遵循Agent Skills目录规范，通过SKILL.md文件组织，支持渐进式披露，并可作为Claude Code插件市场直接安装。
该仓库以SKILL.md文件集合的形式提供可操作的指导，每个文件包含指令、脚本和参考资料，用于在智能体系统中实现特定上下文工程实践。它通过Claude Code插件市场（/plugin marketplace add muratcankoylan/Agent-Skills-for-Context-Engineering）或手动复制技能目录（如.cursor/skills）来安装。技能在激活时加载详细内容，实现按需上下文消费。示例目录提供了完整的系统设计，例如llm-as-judge-skills（TypeScript实现，含19个测试）、book-sft-pipeline（使用Tinker和LoRA训练，成本2美元）和digital-brain-skill（包含6个模块和4个自动化脚本的个人操作系统）。此外，还包含一个researcher目录，作为基于文件的操作系统，用于通过自动化流程、基准测试和技能健康评分来持续改进技能。
- 开发者正在诊断长会话中的智能体性能下降（如lost-in-middle现象），希望利用context-degradation技能来识别和解决上下文失效模式。
- 团队需要比较不同多智能体协调模式，通过multi-agent-patterns技能选择适合其用例的编排器、点对点或层级架构。
- 构建长时运行自主智能体的工程师可以使用long-horizon-prompting技能编写包含成功谓词、审计门控和多样性策略的伪正式任务简报。
- 希望评估智能体输出的质量，可利用advanced-evaluation技能实施LLM-as-judge技术，如成对比较和偏见缓解。
- 需要为搜索或检索系统设计持久内存层的开发者可参考memory-systems技能，以设计短期、长期和图数据库支持的内存架构。
如何安装或部署这个 Agent？
对于Claude Code，通过命令'/plugin marketplace add muratcankoylan/Agent-Skills-for-Context-Engineering'添加插件市场，然后使用'/plugin install context-engineering@context-engineering-marketplace'安装插件，或浏览并选择'context-engineering-marketplace'下的'context-engineering'插件。对于Cursor或Codex，克隆仓库并指向插件根目录，或将技能目录复制到项目的.cursor/skills/或.codex/skills/目录。
如何使用这个 Agent？
安装后，技能会根据任务上下文自动激活。例如，在处理长期会话时，context-compression技能会被激活。对于手动使用，复制单个技能目录（如cp -R skills/context-fundamentals .cursor/skills/）并确保遵循目录结构，不要将SKILL.md扁平化为单个文件。可以查看examples目录中的完整示例，了解如何组合使用多个技能。
这个 Agent 有哪些优点和局限？
- 提供17个技能，全面覆盖上下文工程、多智能体架构、评估等，内容深度和广度兼备。
- 平台无关，支持Claude Code、Cursor、Codex以及其他遵循Open Plugins规范的主机。
- 包含可运行的示例，如llm-as-judge-skills（TypeScript，19个测试）和book-sft-pipeline（成本2美元），有效验证了技能的实际应用。
- 仓库自带研究驱动的工作流，包括路由基准测试和持续改进循环，确保技能质量得到实证支持。
- 对于仅需要单个技能的开发者来说，17个技能的学习曲线可能陡峭，需要理解多种模式。
- 虽然平台无关，但安装和激活可能依赖Claude Code插件系统，其他平台可能需要手动复制技能目录。
- 示例和基准测试可能使用前沿模型（如GPT-5.5）进行评测，这些模型可能不是所有用户都能访问的，影响技能效果的验证。
- 仓库演进快速，包含自修改循环，可能不适合需要稳定API或保守采用的项目。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| 上下文工程智能体技能集 当前 | 49 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 18k | 7 天前 | Python | Codex · Claude Code |
| Finding-Unknowns Skills | 76 · 表现良好 | Agent 插件 / 技能免费 | ★ 353 | 21 天前 | Python | Claude Code · Claude.ai |
| Keep the Why | 75 · 表现良好 | Agent 插件 / 技能免费 | ★ 231 | 1 天前 | Python | Codex · Claude Code |
| PowerContext | 55 · 缺口较多 | 命令行工具免费 | ★ 1.3k | 今天 | Python | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示仓库包含研究循环，该循环声称从不调用付费LLM或进行出站写入，HTTP检索仅使用stdlib，并具有1.5MB上限和30秒超时。然而，这些保证是自我声明的，未经验证。存在人工审批边界和回滚机制，但未详细说明。依赖项固定了版本，但未提供漏洞扫描证据。外部效果包括部署工作流和启动代理，但未明确用户确认。来源归属部分通过引用和贡献者信息体现，但发布者身份未经验证。扣分原因：缺乏对安全声明的独立验证，权限和外部效果细节不足。
仓库展示了结构化的技能组织，并包含验证脚本和测试，表明内部一致性。然而，依赖项可用性未完全验证，失败消息未详细说明。扣分原因：依赖项和失败处理细节不足。
仓库针对多种平台（Claude Code、Cursor、Codex）提供了详细的安装和使用说明，并明确了技能激活场景。能力边界通过技能描述和激活场景有所体现，但未明确说明限制。环境适配良好，但未提供全面的故障排除。扣分原因：能力边界和限制说明不完整。
信息架构清晰，包含技能目录、示例和模板。安装说明详细，命名稳定。提供了示例和FAQ，但已知限制未明确列出。许可证为MIT，但版本控制和变更日志不明确。维护责任通过贡献指南和联系方式有所体现，但未明确更新策略。扣分原因：已知限制、版本控制和维护责任不明确。
输出可用性高，提供了详细的技能和示例。边际价值明显，提供了独特的上下文工程技能。成本效益未详细说明，但提到了低成本示例。扣分原因：成本效益分析不足。
声明可追溯性较好，提供了基准测试结果和引用。跨来源佐证有限，事实与推断的分离不明确。扣分原因：跨来源验证和事实/推断分离不足。
- 发布者身份未经验证，应谨慎对待。
- 安全保证（如无出站写入）是自我声明的，未经验证。
- 依赖项固定但未提供漏洞扫描证据。
- 已知限制和版本控制信息不明确。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v2.3.0 v2.3.0 — Measured Router Benchmark + Corpus-Wide Skill Hardening
发布说明摘录
The first release with measured benchmark results across four frontier models via the Cursor SDK, a corpus-wide hardening pass across all 15 published skills, and the first full-body Stage 3 effectiveness result. The correction in this release is important: we did not stop at the three descriptions that the router benchmark complained about. Every skill body was audited against the same standard, and the machine-readable substrate moved with it: mechanisms, claims, corpus index, activation fixtures, validators, template, docs, PR/release narrative. …在 GitHub 查看 ↗ -
v2.0.0 v2.0.0 — Skills Rewrite: Textbook → Toolbox
发布说明摘录
What's Changed All 13 skills have been comprehensively rewritten based on learnings from Anthropic's ["Lessons from Building Claude Code: How We Use Skills"](https://www.anthropic.com) article. This is the largest single update to the skills collection. The Core Transformation Skills have been rewritten from textbook voice (explains concepts) to hybrid instructional voice (leads with actions, weaves in reasoning): Before: …在 GitHub 查看 ↗ -
v1.1.0 v1.1.0 - LLM-as-a-Judge Skills & Advanced Evaluation
发布说明摘录
🎉 What's New New Skill: Advanced Evaluation A comprehensive skill for mastering LLM-as-a-Judge evaluation techniques. Based on research from [Eugene Yan's LLM-Evaluators](https://eugeneyan.com/writing/llm-evaluators/). Covers: - Direct scoring vs. pairwise comparison selection - Position, length, and verbosity bias mitigation - Metric selection (Cohen's κ, Spearman's ρ, Kendall's τ) - Production evaluation pipeline design - 10 actionable guidelines for reliable evaluation 📁 [skills/advanced-evaluation/](skills/advanced-evaluation/) New Example: LLM-as-Judge Skills …在 GitHub 查看 ↗