common-context-optimization
について
このClaudeスキルは、冗長なログやJSONなどの出力を意味論的な要約でマスキングすることで、コンテキストの使用を最適化し、「中間での見失い」問題を防止します。また、長い会話履歴を圧縮して核心的な意図を保持し、トークン数を削減します。大容量ファイルやコマンドによってトリガーされた際に使用することで、遅延を軽減し、アテンションバジェットを最大限に活用できます。
クイックインストール
Claude Code
推奨npx skills add HoangNguyen0403/agent-skills-standard -a claude-code/plugin add https://github.com/HoangNguyen0403/agent-skills-standardgit clone https://github.com/HoangNguyen0403/agent-skills-standard.git ~/.claude/skills/common-context-optimizationこのコマンドをClaude Codeにコピー＆ペーストしてスキルをインストールします
GitHub リポジトリ
Frequently asked questions
What is the common-context-optimization skill?
common-context-optimization is a Claude Skill by HoangNguyen0403. Skills package instructions and resources that Claude loads on demand, so Claude can perform common-context-optimization-related tasks without extra prompting.
How do I install common-context-optimization?
Use the install commands on this page: add common-context-optimization to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does common-context-optimization belong to?
common-context-optimization is in the Other category, tagged general.
Is common-context-optimization free to use?
Yes. common-context-optimization is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
関連スキル
LlamaGuardは、暴力やヘイトスピーチなど6つの安全性カテゴリーにおいて、LLMの入力と出力をモデレートするMetaの70-80億パラメータモデルです。94〜95%の精度を提供し、vLLM、Hugging Face、Amazon SageMakerを使用してデプロイ可能です。このスキルを使用して、AIアプリケーションにコンテンツフィルタリングと安全策を簡単に統合できます。
このClaudeスキルは、リソースの適正サイジング、タグ付け戦略、支出分析を通じて、開発者がクラウドコストを最適化することを支援します。AWS、Azure、GCPにわたるクラウド支出の削減とコストガバナンスの実施のためのフレームワークを提供します。インフラコストの分析、リソースの適正サイジング、または予算制約への対応が必要な際にご利用ください。
このClaudeスキルは、スポーツベッティング市場（スプレッド、オーバー/アンダー、プロップベットなど）を分析し、過去の傾向や状況統計を検証することでバリューベットを特定します。教育目的のための実践的な提案を構造化されたマークダウン形式で出力します。開発者はスポーツベッティング分析ツールとして本機能を活用できますが、娯楽および教育目的に限定されている点に留意してください。
このスキルは、bitsandbytesを使用してLLMを8ビットまたは4ビット精度に量子化し、精度の低下を最小限に抑えつつ50〜75％のメモリ削減を実現します。限られたGPUメモリでより大規模なモデルを実行したり、推論を高速化するのに理想的で、INT8、NF4、FP4などのフォーマットをサポートしています。HuggingFace Transformersと統合され、QLoRAトレーニングや8ビットオプティマイザーを可能にします。