muratcankoylan/Agent-Skills-for-Context-Engineering

解決的問題

本專案提供了一套全面的「智能體技能（Agent Skills）」集合，旨在解決上下文窗口管理問題——即上下文工程。透過教導開發人員如何策劃最小的高訊號 Token 集合以最大化智能體的效能，從而解決 AI 模型性能下降（例如「lost-in-the-middle」現象）的問題。

工作原理

本專案被組織為一個與平台無關的技能庫，可以整合到 Claude Code、Cursor 和 Codex 等智能體平台中。它採用「漸進式披露」設計理念，智能體最初僅載入基礎技能描述，僅在特定任務啟動特定技能時才載入完整內容。該儲存庫包含結構化的目錄佈局（每個技能都有自己的資料夾及 SKILL.md 檔案），以保持相對引用以及與智能體外掛系統的相容性。

適用對象

面向正在構建生產級 AI 智能體系統的開發人員，這些開發人員需要優化其智能體處理記憶、工具設計、多智能體編排和長程任務的方式。

亮點

• 全面的技能庫：涵蓋基礎上下文管理、架構模式（多智能體、記憶系統）和操作技能（評估、夾具工程）。
• 策劃框架：包含一個「研究人員作業系統（Researcher Operating System）」，透過正式的狀態機和基準測試路由器將外部研究轉化為技能更新。
• 平台整合：可作為 Claude Code、Cursor 和 Open Plugins 的外掛直接使用。
• 實際案例：提供完整的系統設計，例如「數位大腦」個人作業系統和 LLM-as-Judge 評估工具，以展示技能的應用。