context-fundamentals

context-fundamentals 技能概覽

context-fundamentals 是用來做什麼的

context-fundamentals 技能是一份實用的 AI agent 系統 context engineering 指南：教你如何把 context 當成有限的注意力預算來管理，判斷哪些內容該放進 prompt，並避免 agent 行為變得臃腫或脆弱。當你需要 context-fundamentals skill 協助處理 agent 設計、context window 除錯、prompt 結構，或 token 預算取捨時，它特別有用。

適合誰安裝

如果你在打造或調校 agent、撰寫 system prompt、管理 retrieval，或是在檢查 assistant 為什麼漏資料、出現幻覺、或偏離原本任務，context-fundamentals 都很適合。對工程師、prompt 撰寫者，以及需要具體 context-fundamentals guide、而不是泛泛 prompt 建議的技術主管來說，這是一個很實用的選擇。

它有什麼不同

這個技能不只是概念整理。它把決策規則、context 元件拆解，以及實用工具結合在一起，讓你能把 system prompt、訊息歷史、檢索到的文件、以及工具輸出，視為不同來源的輸入來推理。Context Engineering 中 context-fundamentals 的主要價值，在於它會推著你去建立更小、訊號更高的 context 組合，而不是那種「全部都放進去」的大包式 prompt。

如何使用 context-fundamentals 技能

安裝並找到核心檔案

進行 context-fundamentals install 時，請使用技能目錄中的 repo 路徑：muratcankoylan/Agent-Skills-for-Context-Engineering，以及其中的 skills/context-fundamentals。先從 SKILL.md 開始，再閱讀 references/context-components.md 取得結構化指引，最後看 scripts/context_manager.py 了解實作層的工具。這些檔案同時涵蓋理論與操作流程。

把模糊目標轉成可用輸入

當你的需求有明確指出你在處理的系統、失敗模式，以及限制條件時，這個技能的效果最好。例如：「Audit this agent’s context stack for token waste and explain what to keep in system prompt vs retrieved docs」就比「improve my prompt」更有用。這類輸入能幫助 context-fundamentals usage 產出更具體的預算配置、排序與刪減建議。

建議的工作流程

先找出相關的 context 來源：指令、記憶、檢索、工具呼叫，以及對話歷史。接著請技能把內容分成哪些是穩定的、哪些是任務特定的、哪些可以延後或之後再檢索。然後把結果套回實際的 prompt 或 agent 設定，並在相同 token 限制下測試輸出品質是否改善。

實際閱讀順序

先看 SKILL.md，了解這個技能何時應該啟動；接著快速瀏覽 references/context-components.md，掌握 prompt 結構與 instruction altitude 的校準方式。如果你想看 context assembly、token estimate、truncation，或 progressive disclosure 的具體範例，再打開 scripts/context_manager.py。這個順序能讓你最快從 context-fundamentals 走到實作決策。

context-fundamentals 技能 FAQ

這只適合 agent 開發者嗎？

不是。這個技能對 agent 開發者最有價值，但它也很適合用來除錯 prompt 品質、context overflow，或模型行為不一致的任何人。如果你的工作依賴長 prompt、工具輸出，或重度 retrieval 流程，context-fundamentals 很可能都派得上用場。

它和一般 prompt 有什麼不同？

一般 prompt 是在告訴模型要做什麼。context-fundamentals 則是幫你判斷 哪些資訊根本應該放進 prompt、該怎麼組織，以及哪些應該拿掉。當問題在於 context selection，而不只是措辭時，它就特別有幫助。

對新手友善嗎？

可以，只要你願意先學幾個核心概念：context budget、selective loading，還有 instruction altitude。新手可以先把這個技能當成診斷視角，等真的需要實作細節時，再去看 reference 檔案和 script。

什麼情況下不該用它？

如果你只是需要一次性的答案、短篇寫作，或單純重寫 prompt，就不必特地用 context-fundamentals。它最適合的情況是 context 品質本身就是問題的一部分，尤其是在 token 成本、注意力稀釋，或 retrieval 雜訊會影響結果的系統裡。

如何改進 context-fundamentals 技能

提供 context 地圖，不只是任務本身

最大的改善來自於描述模型實際會看到的輸入：system prompt、最近訊息、檢索文件、工具結果，以及任何記憶層。你的 context 地圖越完整，技能就越能建議哪些內容該壓縮、搬移或移除。這是讓 context-fundamentals 發揮更多價值的最快方式。

清楚說明失敗模式

如果模型忽略指令、重複自己、漏掉事實，或在使用工具後失敗，請直接說明。不同失敗對應不同修正方向：指令位置、retrieval 品質、截斷順序，或 prompt 塞得過滿。當失敗模式具體時，context-fundamentals skill 的輸出會更可執行。

先測小 prompt，再反覆迭代

第一輪之後，先把 prompt 縮到只剩下最小且穩定的指令，再重新執行任務。如果品質維持住，代表拿掉的 context 多半是雜訊；如果品質下降，就只把缺少的訊號補回來。這種反覆迭代的流程，就是 context-fundamentals usage 的核心模式。

用 reference 和 script 驗證你的決策

當你在決定 prompt 結構或 token 預算時，請把你的方案和 references/context-components.md 以及 scripts/context_manager.py 裡的 helper 邏輯對照。reference 有助於 sectioning 與 instruction altitude；script 則能幫你用預算、截斷，以及 progressive disclosure 的角度思考。