context-engineering
AIエージェントシステムのコンテキストエンジニアリングをマスターします。エージェントアーキテクチャの設計、コンテキスト障害のデバッグ、トークン使用量の最適化、メモリシステムの実装、マルチエージェント連携の構築、エージェント性能の評価、またはLLM駆動パイプラインの開発時に使用してください。コンテキスト基礎、劣化パターン、最適化技法（圧縮、マスキング、キャッシング）、圧縮戦略、メモリアーキテクチャ、マルチエージェントパターン、LLM-as-Judge評価、ツール設計、プロジェクト開発をカバーしています。
description の原文を見る
>- Master context engineering for AI agent systems. Use when designing agent architectures, debugging context failures, optimizing token usage, implementing memory systems, building multi-agent coordination, evaluating agent performance, or developing LLM-powered pipelines. Covers context fundamentals, degradation patterns, optimization techniques (compaction, masking, caching), compression strategies, memory architectures, multi-agent patterns, LLM-as-Judge evaluation, tool design, and project development.
SKILL.md 本文
Context Engineering
Context Engineering は、LLMタスク向けの最小限で高信号のトークンセットを厳選するものです。目標は、トークン使用量を最小化しながら推論品質を最大化することです。
アクティベーション時機
- エージェントシステムの設計・デバッグ
- コンテキスト制限がパフォーマンスを制約している
- コスト・レイテンシの最適化
- マルチエージェント協調の構築
- メモリシステムの実装
- エージェントパフォーマンスの評価
- LLM駆動パイプラインの開発
基本原則
- コンテキスト品質 > 量 - 網羅的コンテンツより高信号トークンが優先
- アテンション容量は有限 - U字曲線が開始・終了位置を優遇
- 段階的情報開示 - 情報をジャストインタイムで読み込む
- 分離が劣化を防止 - サブエージェント間で作業を分割
- 最適化前に測定 - ベースラインを把握する
クイックリファレンス
| トピック | 使用場面 | 参考資料 |
|---|---|---|
| 基礎知識 | コンテキスト構造、アテンション機構の理解 | [context-fundamentals.md](./references/context-fu |
...
詳細情報
- 作者
- mrgoonie
- ライセンス
- unknown
- 最終更新
- 不明
Source: https://github.com/mrgoonie/claudekit-skills / ライセンス: unknown
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。