暗无天日
·
读：超越对话——用 Skills 和 Agents 工程化上下文
💡
原文中文，约2600字，阅读约需7分钟。
📝
内容提要
文章探讨了如何将Claude转变为上下文工程工具，通过引入Skills和Subagents来优化上下文管理，降低token消耗。Skills模块化知识，Subagents独立处理复杂任务，确保输出质量。建议从简单的prompt开始，逐步引入复杂结构，以提高工作流的效率和可维护性。
🎯
关键要点
- Claude 不仅是对话界面，而是可以嵌入系统的推理引擎。
- 上下文是有限资源，过多的上下文会导致响应变慢和输出质量下降。
- Skills 模块化知识，只有在需要时才注入上下文，从而降低 token 消耗。
- Subagents 通过独立的上下文处理复杂任务，避免主会话的干扰。
- Skills 和 Subagents 的组合可以提高工作流的效率，确保输出质量。
- 建议从简单的 prompt 开始，逐步引入 Skills 和 Subagents，以保持系统的可维护性。
❓
延伸问答
Claude如何转变为上下文工程工具？
Claude通过引入Skills和Subagents来优化上下文管理，降低token消耗，从而转变为上下文工程工具。
什么是Skills，它们如何帮助管理上下文？
Skills是将知识模块化的机制，只有在需要时才注入上下文，从而保持上下文精简，降低token消耗。
Subagents在上下文管理中起什么作用？
Subagents通过独立的上下文处理复杂任务，避免主会话的干扰，从而提高工作流的效率。
如何从简单的prompt开始逐步引入复杂结构？
建议从简单的prompt开始，当发现重复的格式化要求时，再引入Skills，最后在任务复杂时使用Subagents。
Skills和Subagents的组合有什么优势？
组合使用Skills和Subagents可以提高工作流的效率，确保输出质量，并解决LLM的啰嗦和松散结构问题。
上下文管理中的“token税”是什么？
“token税”指的是上下文越多，模型需要筛选的信息就越多，导致响应变慢和成本上升。
➡️
