上下文退化诊断技能 Skill 技能

技能简介

上下文退化诊断（Diagnose Context Degradation in AI Agents）是一款专门用于排查 AI 智能体上下文质量问题的技能。当长对话或超大提示词导致智能体丢失关键信息、遵循相互冲突的上下文时，表现往往难以定位。该技能系统梳理了「中间遗忘」「上下文投毒」「干扰」「混淆」「冲突」五类典型退化模式，帮助 Claude、Codex、Claude Code 等环境下的开发者识别症状、定位根因并选择缓解策略。

核心能力

• 五种退化模式解析：系统讲解 lost-in-middle、poisoning、distraction、confusion、clash 的成因与表现。
• 症状识别指引：帮助判断长会话中上下文质量下降的早期信号，如错误工具调用、陈旧假设。
• 缓解策略建议：推荐压缩、过滤、任务隔离与即时上下文加载等实用缓解手段。
• 注意力位置优化：提供把关键信息放在注意力偏好位置的上下文布局示例。
• Python 分析器：附带模拟上下文健康检查并给出建议的分析脚本。
• 评测设计模板：内置提示模板，可对放置、压缩与检索策略进行对比实验。

安装配置

1. 通过命令安装技能：npx skillstore add chakshugautam/context-degradation。
2. 在需要诊断智能体上下文问题的环境中启用该技能。
3. 准备待分析的提示词或会话转录文本，作为诊断输入。
4. 如需运行分析器，确保本地已具备可执行 Python 脚本的运行环境。

使用步骤

1. 采集样本：准备出现异常的长提示词或完整会话转录作为待分析材料。
2. 识别模式：对照五类退化模式，判断上下文具体属于哪一类问题。
3. 分析根因：结合提示词布局与会话历史，区分可能原因与不确定假设，避免误判。
4. 优化布局：把目标、约束与最终检查放在上下文的开头或结尾等注意力偏好的位置。
5. 验证效果：设计对比实验，比较不同放置、压缩与检索策略的效果差异。

适用场景

• 排查 Agent 漂移：判断长会话是否导致错误工具使用、陈旧假设或持续幻觉。
• 规划可靠工作流：在上线前评估多步智能体功能可能遭遇的上下文瓶颈。
• 设计上下文测试：构建对比实验，比较多步流程中不同上下文策略的表现。
• 优化提示词结构：重新组织任务上下文，让关键约束落在模型更易关注的位置。

适用人群

适合智能体开发者、提示词工程师、AI 应用架构师、质量保障工程师，以及负责排查线上智能体异常表现的技术团队。

工作原理

该技能以诊断指导与启发式分析相结合的方式运行。它先将上下文质量问题归类为五种可识别的退化模式，再通过症状对照与上下文布局分析定位成因，最后给出压缩、过滤、任务隔离与即时加载等缓解手段。其内置的 Python 分析器基于启发式规则和模拟注意力进行健康检查，而非读取模型内部注意力权重，因此结论需结合实际会话证据判断，不能单独证明某个失败仅由上下文退化造成。

官方链接

• 技能主页：https://skillstore.io/skills/chakshugautam-context-degradation
• 源码仓库：https://github.com/ChakshuGautam/games/tree/main/.claude/skills/context-degradation