Context Engineering：别再把整仓库都塞给 AI 了

如果你发现自己每次跟 Claude Code / Codex / Cursor 对话，都在为同一个问题头疼——prompt 写太长烧 token，写太短又丢上下文——那今天这个 Skill 可能正好戳中你的痛点。

它叫 Context Engineering，不是又一个“提示词模板合集”，而是一套系统性的上下文工程方法论。作者 JustineDevs 把它做成了 Claude Code Skill，核心思路是：别把所有信息都塞进 prompt，而是用结构、边界和最小必要信息，让模型稳定地产出你想要的结果。

里面有几个技巧特别实用。比如 Skeleton-of-Thought：先给模型代码骨架，再让它补实现，而不是一上来就丢整文件。又比如 Token-Efficient Diff Updates：强制模型只返回 SEARCH/REPLACE 块，而不是重写整个文件——这一条就能省不少 token。还有 XML 标签分区、负向约束、Symbolic Variables 复用规则，都是拿来就能用的工程化手段。

最让我觉得有价值的一点是：这些方法完全不绑定某个具体模型或 IDE。不管是 Claude Code、Cursor、Gemini CLI 还是 GitHub Copilot，上下文工程的原则都是通的。装一个 Skill，换工具也能继续用。

适合谁用？任何每天跟 AI 编程助手打交道、但又受困于“上下文一长就崩”的开发者。如果你正在写一个复杂的多文件重构 prompt，或者要给团队沉淀一套稳定的 agent 工作流，这套方法论值得先过一遍。

GitHub: https://github.com/JustineDevs/Collection/tree/main/Context-Engineering

GitHub: https://github.com/JustineDevs/Collection/tree/main/Context-Engineering