context-fundamentals：这个 Skill 告诉你 AI 为什么会”失忆”

如果你用 AI 编程助手有一段时间了，大概率遇到过这种情况：模型突然开始”失忆”，前面说过的东西到后面就忘了；或者上下文已经塞满了，模型开始重复、跑偏、甚至开始编答案。大多数人会把这归咎于模型本身不行，但实际上——问题往往出在上下文的管理方式上，而不是模型。

context-fundamentals 这个 Skill，就是来解决这个根本问题的。它不是教你”怎么写 prompt”，而是教你理解 AI 的上下文到底是怎么工作的。

Context Engineering 是什么？

说白了，Context Engineering 就是管理语言模型注意力预算的学科。Prompt Engineering 优化的是单个提示词，而 Context Engineering 覆盖的是”进入模型注意力窗口的所有东西”——系统提示词、工具定义、检索到的文档、消息历史、工具输出……这些全都算。

Skill 里最核心的一个概念是U 形注意力曲线（U-shaped attention curve）：模型对输入序列开头和结尾的信息记得最清楚，中间部分最容易”迷失”。这个规律直接决定了你该怎么组织上下文——重要信息放首尾，中间部分尽量精简或压缩。

这个 Skill 讲了什么？

作为 Context Engineering 知识体系的基础模块，context-fundamentals 覆盖了以下几个核心议题：

• Context 是什么：拆解 context window 的组成成分，让你搞清楚哪些东西在占 token
• 注意力机制：解释模型是如何在上下文里分配注意力的，为什么长对话会退化
• Context 退化模式：哪些操作会导致 context 质量下降（中毒、长度膨胀、关键信息被淹没）
• Context 压缩策略：如何在保留关键决策的同时压缩 token 占用
• 多轮对话设计：跨 session 的 context 如何衔接，避免每次”从零开始”

为什么值得装？

大部分人用 AI Agent 的思路是”能塞多少塞多少”，觉得 context 越大越好。但实际恰恰相反——Context 质量比数量重要得多。一个设计良好的小 context，效果往往超过一个塞满垃圾信息的大 context。

这个 Skill 的价值在于，它给你提供了一套判断标准：什么时候该精简 context，什么时候该用外部存储，什么时候该拆 agent——而不是凭感觉拍脑袋。

同时它也是整个 Agent-Skills-for-Context-Engineering 系列的入口。这个系列还包括了 context-degradation（诊断 context 退化）、context-optimization（Token 优化）、memory-systems（跨 session 记忆架构）等多个 Skill，构成了一个完整的 Context Engineering 工具箱。

安全和兼容性

Skill 经过了独立安全审计，得分 100/100，无任何威胁风险。支持 Claude Code、Cursor、Windsurf、GitHub Copilot、Codex、Gemini CLI 等主流 AI 编程工具，框架无关。

GitHub 已有 16.7K stars，被北京大学和 OpenReview/TMLR 的研究论文引用，属于有扎实学术背书的实战型 Skill。

一句话总结

context-fundamentals 解决的不是”AI 回答不好”的问题，而是”你的 AI 为什么会忘记你说过的话“的问题。理解它，再去看 context-optimization、memory-systems 这几个进阶 Skill，你会对 AI Agent 的行为有完全不同的认识。

GitHub：https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering

GitHub: https://github.com/muratcankoylan/Agent-Skills-for-Context-Engineering