Context Shredding (Grade A)经安全测试的数据 AI 技能，适用于 Claude AI。Grade A。针对接近模型上下文限制的代理的运行时上下文压缩。定义了 3 种压缩层级（完整/摘要/最小），并提供每个工件的模板。

— (0)

审阅者 Daniel Nikulshyn·更新 2026年7月

概览

Context Shredding 是一套针对即将达到模型上下文限制的 AI 代理的运行时上下文压缩系统。它定义了三种压缩层级（完整、摘要、最小），并为每个工件提供模板，以在运行时减小工件加载大小并管理上下文预算。系统会估算上下文使用量，选择合适的压缩层级并应用压缩模板。适用于在加载大规模工件或对话长度超过模型上下文的 60% 时，降低上下文使用量的场景。

主要功能

运行时上下文压缩
三种压缩层级（完整、摘要、最小）
每个工件模板
上下文使用估计

价格

模型: Free
分类: 育言活动
评分: 暂无评价

使用场景

降低上下文使用量

当对话长度导致模型上下文使用率超过 60% 或加载多个大规模工件时，使用 Context Shredding。

管理上下文预算

应用 Context Shredding 来管理上下文预算，防止超出模型上下文限制。

优点 & 缺点

优点

在运行时减小工件加载大小
帮助管理上下文预算
在加载大型工件时提升性能

缺点

可能不适用于诊断性上下文审计
限于特定使用场景，例如不适用于 Azure 基础设施

评测

登录以留下评测。

暂无评测。来当第一个吧!

问答

What are the primary use cases and limitations of Context Shredding?

It’s ideal for agents that need to load large artifacts or when conversation length exceeds ~60 % of the model context, helping manage budgets and improve performance. It’s not suited for diagnostic context auditing or for managing Azure infrastructure.

Asked by Youssef El-Sayed · Jan 23, 2026

Which model context limits does Context Shredding support?

The skill includes thresholds for models such as Anthropic Opus (200 K tokens) and OpenAI GPT‑5.3 Codex (128 K tokens), using the same tier logic based on the percentage of those limits that are in use.

Asked by Bartek Adamski · Nov 22, 2025

How does Context Shredding decide which compression tier to apply to an artifact?

Before loading an artifact, the system estimates current token usage (1 token ≈ 4 characters), calculates the usage percentage of the model’s limit, and selects a tier: full (< 60 % usage), summarized (60‑80 %), or minimal (> 80 %). It then applies the corresponding per‑artifact compression template.

Asked by Otto Berg · Oct 31, 2025