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 |
Мастер контекстной инженерии для систем агентов искусственного интеллекта. Используйте при проектировании архитектур агентов, отладке сбоев контекста, оптимизации использования токенов, внедрении систем памяти, построении многоагентной координации, оценке производительности агентов или разработке конвейеров на базе LLM. Охватывает основы контекста, шаблоны деградации, методы оптимизации (сжатие, маскирование, кэширование), стратегии сжатия, архитектуры памяти, многоагентные шаблоны, оценку LLM-as-Judge, разработку инструментов и разработку проектов. Источник: duonglx/chanmayfoods.