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習得できます。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、エージェントパフォーマンスの評価、LLM搭載パイプラインの開発時に活用できます。コンテキストの基礎知識、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対象としています。
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
コンテキストエンジニアリング
コンテキストエンジニアリングは、LLMタスクのための最小限で高シグナルなトークンセットをキュレートします。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。
活用シーン
- 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限している場合
- コスト/レイテンシの最適化
- マルチエージェント協調システムの構築
- 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搭載パイプラインの開発
基本原則
- コンテキスト品質 > 量 - 網羅的なコンテンツより高シグナルトークンが優先
- 注意容量は有限 - U字曲線は開始/終了位置を優遇する
- 段階的開示 - 情報をジャストインタイムで読み込む
- 隔離が劣化を防止 - 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 | 参照 |
|---|---|---|
| 基礎 | コンテキスト構造、注意機構の理解 | context-fundamentals.md |
...
詳細情報
- 作者
- nordeim
- ライセンス
- 不明
- 最終更新
- 2026/4/14
Source: https://github.com/nordeim/Prompt-Engineering / ライセンス: 未指定