Context engineering curates the smallest high-signal token set for LLM tasks. The goal: maximize reasoning quality while minimizing token usage.
| Fundamentals | Understanding context anatomy, attention mechanics | context-fundamentals.md | | Degradation | Debugging failures, lost-in-middle, poisoning | context-degradation.md | | Optimization | Compaction, masking, caching, partitioning | context-optimization.md | | Compression | Long sessions, summarization strategies | context-compression.md |
| Memory | Cross-session persistence, knowledge graphs | memory-systems.md | | Multi-Agent | Coordination patterns, context isolation | multi-agent-patterns.md | | Evaluation | Testing agents, LLM-as-Judge, metrics | evaluation.md | | Tool Design | Tool consolidation, description engineering | tool-design.md |
Master in ingegneria del contesto per sistemi di agenti AI. Utilizzare durante la progettazione di architetture di agenti, il debug di errori di contesto, l'ottimizzazione dell'utilizzo dei token, l'implementazione di sistemi di memoria, la creazione di un coordinamento multi-agente, la valutazione delle prestazioni degli agenti o lo sviluppo di pipeline basate su LLM. Copre i fondamenti del contesto, i modelli di degrado, le tecniche di ottimizzazione (compattazione, mascheramento, memorizzazione nella cache), strategie di compressione, architetture di memoria, modelli multi-agente, valutazione LLM-as-Judge, progettazione di strumenti e sviluppo di progetti. Fonte: mrgoonie/claudekit-skills.