大模型上下文注入审查
依据上下文管理规范审查推理消息构建代码,排查历史重写、缓存失效及超限 Token 风险并提供规范性反馈。
功能与用途
用于审查向大模型发送推理请求时的上下文(历史消息)构建代码。主要核查是否遵循增量构建原则、是否避免频繁破坏 Prompt 缓存、是否存在未做硬上限截断的非受限数据注入、单项是否超 10K Tokens,标记大于 1K Tokens 的 P0 项,并确保注入片段在 core/context 中定义并实现了 ContextualUserFragment 特征。
适用场景
- 推理上下文增量构建防重写:核查模型请求历史消息构建逻辑,杜绝重写历史行为,减少因上下文频繁扰动导致的 Prompt 缓存失效。
- 注入片段Token硬上限管控:检查动态注入项是否设置边界与硬上限,阻断单项超10K行为并对超1K的潜在高消耗注入项进行标记。
- 上下文数据模型接口规范校验:审查新增注入数据结构是否在指定上下文中定义,并确保其严格实现了统一的上下文片段特征协议。
适用人群
- LLM应用开发工程师
- AI Agent架构师
- 核心系统代码审查员
使用步骤
- 提交涉及大模型上下文构建或 core/context 目录下结构体的代码变更
- 对照 6 条上下文注入规范逐项比对历史增量、Token 上限和 Trait 实现
- 标记单项超 1K Token 的 P0 风险项并生成修改建议清单
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 编程
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 专业
- 版本
- main
- 最近更新
- 2026-09-23
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Model visible context
依赖与权限
- 读取用户主动提供的内容