Loading...
Loading...
共找到 44 个 Skills
基于项目架构整理并同步会话目录结构
为编码Agent（Claude Code、Codex、Cursor、Gemini CLI）提供专业的提示词工程、上下文工程和AI Agent编排服务。适用于设计CLAUDE.md/AGENTS.md文件、编写Skill、规划多Agent工作流、优化Token使用、管理会话交接，或构建能最大化Agent性能的任何提示词。请勿用于通用编码任务或代码评审。
一款Claude Code技能，可让AI Agent以穴居人风格的极简话术回复，在完全保留技术准确性的前提下减少约65%-75%的输出token
通过上下文工程与自动化上下文打包，实现语义代码智能与Token优化。适用于为大型代码库降低Token开销、使用Gitingest创建仓库摘要、使用Repomix打包代码上下文，或使用llm-tldr追踪跨文件依赖等场景。
基于专家知识创建可用于生产环境的Skill。提取领域专业知识与系统本体，使用脚本完成确定性工作，渐进式加载知识。适用于构建需在生产环境中可靠运行的Skill场景。
通过假设追踪和知识库记录调试会话
采用hub-and-spoke模式实现的上下文感知渐进式模块加载能力，用于token优化。相关技术点：progressive loading、lazy loading、hub-spoke、模块选择。
使用GitHub CLI (gh) 进行仓库侦察与操作的工作流。通过结构化API查询替代盲目的文件拉取，优化Token使用效率。
基础上下文工程技能——探索该领域时从这里开始。当用户要求“理解上下文”、“解释上下文窗口”、“设计Agent架构”、“调试上下文问题”、“优化上下文使用”，或者讨论上下文组件、注意力机制、渐进式披露或上下文预算时，应使用此技能。当用户提及“context engineering”或“context-engineering”以寻求AI Agent上下文系统的基础理解时，也会激活此技能。
通过去除冗余内容、冠词和客套话，在保持完整技术准确性的前提下将token数量减少约75%的超压缩回复。仅由用户触发。
上下文压缩与总结方法论：在保留决策关键信息的同时降低Token使用量的技巧。
显示当前会话的上下文使用热力图