下载

Skill UI

浏览并发现 9746+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索上下文加载，共找到 13 条记录

默认排序最新上传最多下载

代理上下文自动加载器

agent-context-loader

jeremylongshore/claude-code-plugins-plus-skills

该技能能够自动检测并加载当前工作目录下的`AGENTS.md`文件，将项目特定的代理指令和行为规则无缝地融入到AI的会话上下文中。它确保AI在进行开发任务时，能始终遵循项目设定的定制化高级行为规范，无需用户手动配置或提醒，极大提升了开发流程的自动化和连贯性。

代码结构及依赖协议

data-structure-protocol

sickn33/antigravity-awesome-skills

该协议旨在为大型代码库中的AI代理提供持久化的结构化内存。它将整个代码库建模为一个有向图，不仅记录了依赖关系，更重要的是记录了每一条连接存在的'原因'。这使得AI能够在不加载整个源代码的情况下，理解项目上下文，进行影响分析和安全重构。

Claude 钩子自动化

hook-development

anthropics/claude-plugins-official

指导 Claude Code 插件开发者构建事件触发钩子，通过提示或命令方式在 PreToolUse、PostToolUse、Stop 及会话事件中校验工具、提供反馈、确保完成并加载上下文。

LangChain RAG管道构建与实践

langchain-data-handling

jeremylongshore/claude-code-plugins-plus-skills

本教程详细指导如何使用LangChain构建完整的检索增强生成（RAG）管道。它覆盖了从数据加载（支持PDF、CSV、TXT等）到文本分块、生成嵌入向量，再到将向量存储在各种向量数据库（如FAISS, Pinecone）中的全流程。最终实现一个具备准确上下文理解和问答能力的智能检索系统。

董事会决策流程

alirezarezvani/claude-skills

面向高管的六阶段多代理董事会议程，从上下文加载到独立角色输入、批判性审查、综合提炼、创始人复审与决策记录，确保调用 /cs:board 时形成结构化战略结论。

公司背景上下文引擎

alirezarezvani/claude-skills

本引擎为高层顾问提供的核心记忆层。它负责加载、管理和实时增强公司背景信息，追踪包括业务阶段、团队规模和关键挑战等关键指标。尤其重要的是，在进行任何外部API调用前，它会强制执行匿名化协议，确保严格的数据隐私保护和合规性。

基于文件系统的上下文工程

filesystem-context

sickn33/antigravity-awesome-skills

本技巧提出了一种文件系统作为外部长期记忆的机制，用于解决大型AI Agent在长对话中遇到的上下文窗口限制和信息膨胀问题。通过将工具输出、执行计划或多智能体发现的知识持久化到文件，系统能够实现按需、精准地检索信息，而不是将所有内容一次性加载到提示词中，从而大幅提高效率和稳定性。

恢复实验流程助手

alirezarezvani/claude-skills

列出暂停的实验、加载配置与历史结果、整理当前状态，并提示下一步操作，引导你在完整上下文中继续反复调优。

Copilot工作区：项目知识上下文

github/awesome-copilot

Copilot工作区用于汇集和管理项目特有的知识，包括文档、代码片段、架构标准和操作指南。通过加载工作区，Copilot能够基于整个项目的权威上下文来生成回复，而不仅仅是依靠通用知识。这极大地提高了问答的准确性、代码生成的合规性，并支持团队标准化的工作流，非常适用于新员工入职和大型项目维护。

技术设计规范生成器

kiro-spec-design

本工具用于生成全面、结构化的技术设计规范。它指导用户系统地完成设计流程，涵盖上下文加载、根据功能类型执行深入发现与分析、应用设计原则进行综合，最终生成边界清晰、结构化的技术设计初稿，确保所有需求都与明确的技术组件相对应。

规格任务分解与生成

kiro-spec-tasks

该工具旨在将模糊的产品规格、需求文档和设计蓝图，系统性地分解为详细、可执行、可追踪的任务计划。它通过加载上下文、执行并行研究，并在任务计划和任务图两个层面进行严格的质量门禁检查。最终输出的任务具备明确的范围边界、可执行的工时估算，确保项目规划的完整性和可操作性。

结构化项目发现与范围界定

本技能是一个全面的项目启动入口点，用于将模糊的想法转化为结构化、可执行的规格说明书（Spec）。它通过扫描项目元数据、进行深度上下文加载，并提出一系列引导性问题来界定工作边界。最终提供多个技术方案和权衡分析，确保项目范围明确、可落地，是进行需求工程和范围界定的关键步骤。

语言