von affaan-m
token-budget-advisor ist eine Routing-Skill, die hilft, die Antworttiefe vor dem Antworten festzulegen. Verwende sie, um Länge, Detailgrad oder Tokenverbrauch in Workflow-Automatisierung und Chat-Flows zu steuern. Dieser token-budget-advisor-Guide behandelt Triggerregeln, Grenzen für den Einsatz und die Anwendung über `skills/token-budget-advisor`.
von affaan-m
cost-aware-llm-pipeline hilft dir, LLM-Workflows zu bauen, die API-Kosten mit Model Routing, unveränderlicher Kostenverfolgung, Retry-Handling und Prompt Caching im Griff behalten. Ideal für Batch-Jobs, Dokumenten-Pipelines und Workflow Automation, wenn Volumen und Qualitätskompromisse klare Regeln brauchen.
von affaan-m
Der context-budget Skill prüft die Claude-Code-Kontextnutzung über Agents, Skills, Regeln und MCP-Server hinweg. Er hilft dabei, Aufblähungen, doppelte Inhalte und besonders teure Komponenten zu erkennen und liefert anschließend priorisierte Maßnahmen zur Bereinigung. Nutze diesen context-budget Leitfaden für die praktische Verwendung von context-budget und für Skill-Tests in größeren Setups.
von muratcankoylan
context-compression ist eine praxisnahe Skill für das Verdichten langer Agentensitzungen, ohne die für die Fortsetzung der Arbeit nötigen Fakten zu verlieren. Sie hilft bei Context Compression, strukturierter Zusammenfassung, Dateiverfolgung, Sicherung von Entscheidungen und der Optimierung von Tokens pro Aufgabe für lang laufende Coding-Aufgaben und Context-Engineering-Workflows.
von muratcankoylan
context-fundamentals ist ein praxisnaher Leitfaden für Context Engineering in KI-Agentensystemen. Er hilft dir dabei zu entscheiden, was in den Prompt gehört, Context-Probleme zu debuggen und Token-Budgets mit einer klareren Context-Struktur zu steuern. Nutze diesen context-fundamentals Skill, wenn du einen fundierten Leitfaden für Agentendesign und Prompt-Optimierung brauchst.
von muratcankoylan
context-optimization ist eine praxisnahe Skill für Context Engineering, die hilft, Token-Verschwendung zu reduzieren, den Entscheidungsstand zu erhalten und lange Workflows zu steuern. Verwenden Sie sie, um Kontextgrenzen zu handhaben, unnötig aufgeblähte Tool-Ausgaben zu kürzen, eine cache-freundliche Prompt-Struktur zu verbessern, Observation Masking und Compaction einzusetzen und den Kontext bei Bedarf zu partitionieren. Sie ist für den echten Einsatz gebaut, nicht nur für die Theorie.
