上下文工程

token-budget-advisor 是一个路由型技能，帮助你在回答前选择回复深度。它可用于在工作流自动化和聊天流程中控制长度、细节或 token 消耗。本 token-budget-advisor 指南涵盖触发规则、何时不该使用，以及如何从 skills/token-budget-advisor 中应用它。

prompt-optimizer 是一项 prompt-optimizer 技能，用于分析粗糙的提示词，找出缺失的上下文，并将其改写为更清晰、可直接粘贴的提示词。它最适合 prompt-optimizer 指南类工作、提示词审阅，以及用于 Prompt Writing 的 prompt-optimizer，尤其是在你需要为 Claude Code 或 ECC 工作流整理出更好的结构时。它不会执行底层任务。

context-budget 技能会审计 Claude Code 在 agents、skills、rules 和 MCP servers 中的上下文使用情况。它能帮助识别臃肿内容、重复内容和高成本组件，并返回按优先级排序的清理建议。这个 context-budget 指南适合需要实际使用 context-budget 的场景，以及更大规模环境中的 Skill Testing。

ck 是一个用于 Claude Code 的项目记忆 skill，可在不同会话之间保留上下文。它会注册项目，在启动时自动加载简报数据，并通过确定性的 Node.js 脚本支持 save、resume、info、list、forget 和 migrate 工作流。对于 Context Engineering 来说，ck 是一个很合适的选择。

ai-first-engineering 是一种简洁的运营模型，适用于大量实现工作由 AI agent 生成的团队。它帮助团队为规划、架构、评审和测试建立 Agent Standards，并提供安装、使用以及适用场景的指引。

agent-harness-construction 是一项实用技能，用于改进 agent harness 设计，包括 tool schema、observation 格式、错误恢复和上下文预算，从而提升完成率。

prompt-engineering-patterns 是一项面向生产环境提示词设计的实用技能，涵盖安装适用场景、可复用模板、few-shot 示例、结构化输出，以及用于 Context Engineering 的提示词优化工作流。

context-driven-development 用于创建并维护 Conductor 项目的上下文文档，如 product.md、tech-stack.md、workflow.md 和 tracks.md，帮助 AI 辅助开发在不同会话和代码库之间保持一致。

context-engineering 技能可帮助你梳理项目上下文，让 agents 更好地遵循约定、减少幻觉，并保持聚焦。适合在开启新会话、切换任务，或为代码库编写 context-engineering 指南时使用。

product-marketing-context 可帮助团队创建并维护 `.agents/product-marketing-context.md`，让其他营销技能能够复用产品、受众、定位、异议、证据要点和信息传达等上下文。它会检查是否已有现有文件，支持自动起草或从零开始设置，并且只更新发生变化的部分。

context-compression 是一项实用技能，用于在不中断工作的前提下压缩冗长的 agent 会话，保留继续执行所需的关键信息。它适用于 context compression、结构化总结、文件跟踪、决策保留，以及面向长期编码任务和 Context Engineering 工作流的 tokens-per-task 优化。

context-degradation 是一项实用技能，用于诊断长流程中的上下文失效问题，包括 lost-in-the-middle、poisoning、distraction、confusion 和 clash。它可以帮助你定位上下文是在哪里断裂的，决定先改什么，并为 Skill Authoring、prompt 放置和生产环境中的 agent 调试提供一套可重复执行的 context-degradation 指南。

context-fundamentals 是一份面向 AI agent 系统的 context engineering 实用指南。它能帮助你判断哪些内容该放进 prompt，排查 context 问题，并通过更清晰的 context 结构管理 token 预算。当你需要一份扎实的 context-fundamentals 指南，用于 agent 设计和 prompt 优化时，就适合使用这项 context-fundamentals 技能。

context-optimization 是一项面向 Context Engineering 的实用技能，帮助减少 token 浪费、保留决策状态，并管理长流程工作流。可用于处理上下文长度限制、压缩工具输出冗余、优化更适合缓存的提示词结构、应用 observation masking 和 compaction，以及在需要时对上下文进行分区。它面向真实使用场景，而不只是理论。

teach-impeccable 是一个一次性的 UI 设计初始化技能，会扫描你的代码仓库，提出有针对性的 UX 问题，并为后续会话保存可持续复用的设计指引。

session-handoff 可帮助代理为跨会话工作创建并恢复结构化的 handoff 文档。它提供 create 与 resume 两套工作流、handoff 模板、resume 检查清单，以及用于创建、校验、列出和检查 handoff 是否过期的脚本，便于更可靠地进行 Context Engineering。

agent-md-refactor 用 progressive disclosure 帮你重构臃肿的 AGENTS.md、CLAUDE.md 或 COPILOT.md 文件。它会识别相互矛盾的指令，把通用规则保留在根文件中，再将其余内容拆分为相互链接的文档，从而让 Context Engineering 更清晰，并降低上下文负担。

memory-management 通过 HOT/WARM/COLD 文件工作流，帮助 Claude 在多次会话之间持续保留项目上下文。你可以用它维护 `CLAUDE.md`、`memory/` 目录、术语表条目，以及面向审计、排名、竞品和报告的事件驱动更新，适合 SEO 或 Context Engineering 工作流。

huashu-nuwa 是一款面向 Skill Authoring 的技能，可将人物、主题或模糊需求沉淀为可复用的视角技能。它通过 `SKILL.md`、`references/extraction-framework.md`、`references/skill-template.md` 以及示例技能，引导安装判断与使用方式，覆盖蒸馏、路由和质量评审等关键环节。

mnemos 是一款面向任务范围记忆的技能，适合需要在压缩后仍保留持久上下文的代理。它使用带类型的 MnemoGraph 来持续保存目标和约束、压缩结果，并保留可恢复的检查点，方便从中断处继续。适用于上下文工程、调试、仓库维护和任务交接。

llm-patterns 可帮助你设计 AI 优先的应用逻辑：由 LLM 负责推理、抽取和生成，由代码负责校验、路由和错误处理。使用 llm-patterns 技能，可获得更清晰的 prompt 结构、可测试的 LLM 工作流，以及面向 Skill Authoring 的实用指导。

immortal-skill 是一套 Skill Authoring 工作流，可将聊天记录、文档和平台导出数据整理为具备证据意识的数字人格包。它会引导你完成角色选择、来源收集、伦理检查、冲突处理和输出生成，便于构建可复用的 agent skills。

steve-jobs-perspective 是一款以角色视角驱动的产品批判技能，借助 Steve Jobs 风格的启发式原则、研究资料和示例，帮助你打磨产品决策、信息表达与战略判断。

create-senpai 是一款面向 Claude Code 的技能，可将聊天导出、会议纪要、截图和照片整理为可复用的 senpai 人设，并支持群组记忆、纠错流程与持续更新。