摘要
该仓库是一个面向上下文工程的开源 Agent Skills 知识库，重点不是扩写提示词，而是通过最小高信号上下文管理改善代理在长上下文任务中的稳定性与效果。它采用标准化技能结构与渐进式加载机制，覆盖基础认知、架构设计、评估与开发方法，并提供可迁移到 Claude Code、Cursor、Codex 等环境的实践范式。
功能与定位
该项目聚焦“上下文工程”方法论，围绕大模型上下文窗口的组织、压缩和调度，提供一套可复用的技能集合。内容强调跨平台可迁移，不依赖单一厂商实现，目标是帮助开发者构建生产级 AI Agent 系统。
典型使用场景
- 在 Claude Code 中作为插件市场来源，按任务自动触发技能。
- 在 Cursor、Codex 或其他 IDE 中作为规则与技能参考，指导代理执行复杂任务。
- 在自定义 Agent 框架中复用多代理、记忆系统、工具设计和评估策略。
- 在教学或团队知识沉淀中，作为上下文工程的结构化学习材料。
核心功能
- 基础技能：上下文基础、上下文退化识别、上下文压缩。
- 架构技能：多代理模式、记忆系统、工具设计、文件系统上下文、托管代理。
- 运营技能：上下文优化、评估、LLM-as-a-Judge 高级评估。
- 开发方法：面向 LLM 项目的任务建模、流程设计与结构化输出实践。
- 认知建模：通过 BDI 相关技能支持更可解释的代理推理设计。
特色与差异点
- 强调“渐进式披露”，先加载技能元信息，再按需加载全文与参考材料。
- 使用统一技能目录结构，便于维护、审计和跨工具迁移。
- 提供多个系统化示例，展示技能如何组合到真实项目中。
- README 中给出了可操作的安装与触发思路，降低上手门槛。
使用方式概览
- Claude Code：先添加插件市场源，再按需安装相关插件集合。
- 其他 IDE：将技能内容放入对应规则或技能目录，按任务触发使用。
- 自定义系统：提取技能中的原则与流程，映射到自己的 Agent 管道。
限制与注意事项
- 技能内容会与对话历史竞争上下文预算，设计时需要保持高密度与低噪音。
- 引用文件层级过深会增加读取不完整风险，建议保持浅层结构。
- 若技能包含脚本，执行前应做环境隔离与权限控制。
- 该仓库主要提供方法与模板，落地效果仍依赖具体业务数据、工具链与评估体系。
链接
- https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering
- https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering/blob/main/README.md
- https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering/blob/main/docs/agentskills.md
- https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering/blob/main/LICENSE
- https://arxiv.org/pdf/2601.21557