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。
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。
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。
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。
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。