菜单
当系统提示词需要设计 token 预算分配、上下文压缩策略、延迟加载机制、记忆持久化方案时调用此 Skill。适用于长对话 AI 助手、代码编辑器集成、研究型 Agent、多会话系统等需要精细管理上下文窗口的场景。不适用于：单轮交互系统（无上下文管理需求）、纯无状态 API（无对话历史）、简单的 prompt 模板设计。当需求聚焦于"如何搜索外部信息"而非"如何管理已有信息"时，应该用 search-integration 而非本 Skill。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
当系统提示词需要设计多代理协作架构、子代理专业化分工、代理间上下文隔离与传递机制、任务生命周期管理时调用此 Skill。适用于 AI Agent 平台、多工具编排系统、代码审查流水线、跨应用协作场景等。不适用于：单代理系统（无委派需求）、简单工具调用（无子代理概念）、纯 API 编排（无 AI 决策）。当需求聚焦于"单代理内的对话路由"而非"多代理间的任务分配"时，应该用 conversation-flow 而非本 Skill。
当系统提示需要设计引用格式、信息溯源机制、来源标注系统时调用。适用于文档问答、搜索增强生成（RAG）、代码引用、浏览器辅助等需要让用户追溯信息来源的场景。不适用于纯创作类输出（如故事、诗歌），不适用于无需溯源的常识问答，也不适用于注入防御（虽然两者都涉及内容可信度）。
当系统提示面向编程代理（Coding Agent）场景时调用。适用于构建代码编辑、文件操作、Git 工作流、自动化编程助手的系统提示。不适用于代码解释或教学场景（无文件修改），不适用于 DevOps 基础设施配置（非代码层），不适用于纯对话式代码问答（无工具调用）。
当系统提示词需要定义 AI 如何分类用户意图、路由到不同处理流程、决定澄清策略和自主度级别时调用此 Skill。适用于多任务型 AI 助手、客服机器人、编程工具、研究助手等需要结构化对话管理的场景。不适用于：纯问答型系统（无任务执行）、单轮交互（无对话状态）、简单的 prompt 模板（无路由逻辑）。当需求仅涉及"输出什么格式"而非"如何决定输出什么"时，应该用 output-formatting 而非本 Skill。
当系统提示需要防御提示注入、越狱攻击、社会工程、内容信任边界突破等安全威胁时调用此 Skill。适用于构建 AI Agent、聊天机器人、文档处理助手等任何接受外部输入的系统提示。不适用于纯内部工具调用场景或已完全隔离的沙箱环境，也不适用于 UI 布局或响应格式设计。
当需要为 AI 设计记忆存储、检索、应用和更新机制时调用此 skill。典型场景包括：设计持久化记忆架构（用户偏好、历史上下文、项目知识）、定义记忆的创建/读取/更新/删除生命周期、实现静默记忆应用（不在回复中透露记忆内容）、管理敏感记忆边界。 不适用于：定义工具接口（tool-specification）、定义安全规则（safety-guardrails）、定义人格风格（personality-system）。 关键 trigger 信号：AI 需要跨会话记住用户信息、记忆内容可能敏感、需要在回复中隐式应用记忆而非显式引用、用户要求"记住这个"。
| name | context-management |
| description | 当系统提示词需要设计 token 预算分配、上下文压缩策略、延迟加载机制、记忆持久化方案时调用此 Skill。适用于长对话 AI 助手、代码编辑器集成、研究型 Agent、多会话系统等需要精细管理上下文窗口的场景。不适用于：单轮交互系统（无上下文管理需求）、纯无状态 API（无对话历史）、简单的 prompt 模板设计。当需求聚焦于"如何搜索外部信息"而非"如何管理已有信息"时，应该用 search-integration 而非本 Skill。 |
| tags | ["上下文管理","token预算","压缩策略","记忆持久化","延迟加载"] |
| related_skills | ["search-integration","agent-delegation","conversation-flow"] |
跨供应商系统提示词中浮现的上下文管理核心模式：Gemini CLI 将上下文窗口称为"最珍贵的资源"并配合子代理压缩；Claude Code 使用文件级记忆（MEMORY.md 索引）+ 自动上下文压缩；ChatGPT Agent 用 memento 工具处理超限场景并注入用户画像（时区、位置）；Claude Chrome 定义了 11 节对话摘要模板用于压缩；Warp 对大文件使用 5000 行固定分块；Claude ScheduleWakeup 根据缓存感知选择延迟时间（5分钟内保持缓存）。核心共识：上下文窗口是稀缺资源，必须主动管理。
{{1}}）、省略标记、引用编号（Claude Design 的 [id:mNNNN]）file_path:line_number 格式精确定位，回复末尾附加 1-2 句摘要search-integration 的区别: search-integration 管理外部信息的获取，本 Skill 管理已有信息的存储和压缩agent-delegation 的区别: agent-delegation 管理多代理间的任务分配和结果汇总，本 Skill 管理单代理内的信息生命周期output-formatting 的区别: output-formatting 控制输出形式，本 Skill 控制输入侧的信息密度定义 Token 预算分配方案 — 完成标准: 建立三级预算分配（系统提示词 / 对话历史 / 推理空间），定义每级的占比上限和压缩触发阈值（如对话历史超过 60% 时触发摘要压缩）
设计分层记忆架构 — 完成标准: 定义至少四层记忆（对话级临时记忆 / 会话级摘要 / 项目级文件记忆 / 用户级画像），每层有明确的存储格式、写入条件和读取优先级
建立结构化摘要模板 — 完成标准: 定义压缩后的标准输出格式（至少 5 个必填字段：用户目标、关键决策、未决事项、技术约束、偏好设定），确保压缩后不丢失可操作信息
实现延迟加载机制 — 完成标准: 定义按需加载的触发规则（如遇到未加载文件引用时才读取）、分块策略（固定大小 vs 语义分块）和预加载白名单（高频文件优先加载）
添加缓存感知优化 — 完成标准: 定义缓存友好的调度策略（短间隔保持缓存命中）、冷启动 vs 热续接的不同处理路径、以及缓存失效后的最小化重加载方案