<```html a href="https://neolab.gitbook.io/cek/" target="blank">

Продвинутые техники и паттерны контекстной инженерии для Claude Code, OpenCode, Cursor, Antigravity и других инструментов.

Быстрый старт · Плагины · Github Action · Справочник · Документация

Context Engineering Kit

Тщательно собранная коллекция продвинутых техник и паттернов контекстной инженерии с минимальным потреблением токенов, ориентированная на повышение качества и предсказуемости результатов агентов.

Маркетплейс основан на промптах, которые разработчики нашей компании ежедневно используют уже долгое время, дополненных плагинами из статей с бенчмарками и качественных проектов.

Ключевые особенности

• Простота использования — Легко устанавливается и используется без каких-либо зависимостей. Содержит автоматически применяемые навыки и интуитивно понятные команды.
• Эффективность по токенам — Тщательно проработанные промпты и архитектура: где это возможно, предпочтение отдаётся навыкам, ориентированным на команды с субагентами, а не общим информационным навыкам, чтобы минимизировать заполнение контекста ненужной информацией.
• Ориентация на качество — Каждый плагин направлен на существенное улучшение результатов агента в конкретной области.
• Гранулярность — Устанавливайте только те плагины, которые вам нужны. Каждый плагин загружает только свои конкретных агентов, команды и навыки, без пересечений или избыточных навыков.
• Научно подтверждено — Плагины основаны на проверенных техниках и паттернах, подтверждённых авторитетными бенчмарками и исследованиями.
• Открытые стандарты — Навыки основаны на спецификации agentskills.io. Плагин SDD основан на стандарте спецификаций Arc42 для документации разработки ПО.

Новости

Обновления ключевых релизов:

• v3.1.0: Улучшено качество генерируемого кода в плагине Spec-Driven Development за счёт встраивания правил DDD/SOLID в агента-разработчика и добавления отдельного агента-ревьюера кода, который применяет лучшие практики функционального и объектно-ориентированного программирования вместе с анализом потерь муда (Muda) для снижения сложности кода и дублирования.
• v3.0.0: Добавлена поддержка агентов AMP и Hermes. Плагин Tech Stack теперь автоматически внедряет лучшие практики TypeScript, когда агент читает или записывает файлы TypeScript.
• v2.2.0: Плагин Subagent-Driven Development теперь работает как дистиллированная версия плагина SDD, используя субагентов meta-judge и judge для генерации спецификаций на лету параллельно с реализацией. Плагин DDD теперь включает примеры паттернов Clean Architecture, DDD, SOLID, функционального программирования и других в виде правил, которые автоматически добавляются в контекст во время написания кода.
• v2.1.0: Агенты плагина Spec-Driven Development включают высокоуровневые рекомендации по качеству кода из плагина DDD.
• v2.0.0: Плагин Spec-Driven Development был переписан с нуля. Теперь он способен создавать рабочий код в 99% случаев на реальных производственных проектах!

Быстрый старт

Шаг 1: Установите маркетплейс и плагины

Claude Code

Откройте Claude Code и добавьте маркетплейс Context Engineering Kit:

/plugin marketplace add NeoLabHQ/context-engineering-kit

Это делает все плагины доступными для установки, но не загружает никаких агентов или навыков в ваш контекст.

Установите любой плагин — например, reflexion:

/plugin install reflexion@NeoLabHQ/context-engineering-kit

Каждый установленный плагин загружает только свои конкретных агентов, команды и навыки в контекст Claude.

Gemini CLI или Antigravity CLI

---
**Установка Gemini CLI**

```bash
gemini extensions install https://github.com/NeoLabHQ/context-engineering-kit

Установка Antigravity CLI:

Важно: Для выполнения этой команды требуется установленный Gemini CLI.

gemini extensions install https://github.com/NeoLabHQ/context-engineering-kit
agy plugin import gemini

Установка Antigravity CLI без Gemini CLI:

git clone https://github.com/NeoLabHQ/context-engineering-kit
cd context-engineering-kit
agy plugin install .

Примечание: При этом навыки и агенты всех плагинов устанавливаются единым пакетом — выбор отдельных плагинов, как в Claude Code, отсутствует. К сожалению, Gemini и Antigravity CLI не поддерживают выбор отдельных плагинов. Но после установки вы можете удалить ненужные навыки и агенты.

Cursor, Codex, OpenCode и другие

Выполните команду vercel-labs/skills в своём терминале:

npx skills add NeoLabHQ/context-engineering-kit

Вы можете выбрать, какие навыки установить.

Примечание: Каждый провайдер использует собственный формат агентов, а npx skills не поддерживает субагентов, поэтому данный способ установки не обеспечит полный функционал.

Альтернативные способы установки

Вы можете использовать OpenSkills для установки навыков, выполнив следующие команды:

npx openskills install NeoLabHQ/context-engineering-kit
npx openskills sync

Шаг 2: Использование плагина

> claude "implement user authentication"
# Claude implements user authentication, then you can ask it to reflect on implementation

> /reflect
# It analyses results and suggests improvements
# If issues are obvious, it will fix them immediately
# If they are minor, it will suggest improvements that you can respond to
> fix the issues

# If you would like to prevent issues found during reflection from appearing again,
# ask Claude to extract resolution strategies and save the insights to project memory
> /memorize

Кроме того, вы можете использовать слово reflect в начальном промпте:

> claude "implement user authentication, then reflect"
# Claude implements user authentication,
# then hook automatically runs /reflect

Чтобы использовать этот хук, необходимо наличие установленного bun. Однако он не требуется для основной команды.

Документация

Полную документацию Context Engineering Kit можно найти здесь.

Однако основными плагинами, с которых мы рекомендуем начать, являются Разработка на основе субагентов и Разработка на основе спецификаций.

Инженерия надёжности агентов

Три плагина в этом маркетплейсе разработаны для того, чтобы повысить точность и последовательность следования агента предоставленным инструкциям, а также снизить количество галлюцинаций и склонность к неверным решениям. Они не конкуренты, а скорее дополняют друг друга, поскольку позволяют сбалансировать надёжность и расход токенов. Ниже приведено высокоуровневое сравнение различных подходов к использованию агента и вероятности получения полностью точных результатов без единой галлюцинации в зависимости от сложности задачи:

Подход	Вероятность получения полностью точных результатов при следующем количестве изменённых файлов (p)				Накладной расход токенов	Что это означает на практике
	1-3	4-10	10-20	20+
Одноэтапный промпт	60%-80%	30%-50%	5%-30%	1%-20%	0	Точность зависит от модели, но с ростом контекста качество LLM деградирует экспоненциально
/reflect	68%-91%	49%-71%	13%-41%	1%-30%	1k-3k	Агент самостоятельно находит и исправляет упущенные требования
/reflect + /memorize	79%-87%	60%-79%	34%-42%	5%-30%	2k-5k	Агент выявляет повторяющиеся ошибки и избегает их при выполнении новых задач
/do-and-judge	90%	83%	60%	30%	1.5x-3x	Снижает деградацию контекста, предвзятость, галлюцинации и упущенные требования с помощью субагента Judge
/do-in-steps	92%	90%	71%	50%	3x-5x	Решает все те же проблемы, что и /do-and-judge, но отдельно по каждой группе файлов
/plan-task + /implement-task	94%	93%	85%	70%	5x-20x	Выполняет процесс /do-in-steps, но спецификация смягчает проблемы, вызванные непоследовательной архитектурой и размером кодовой базы
/brainstorm + /plan-task + /implement-task	95%	95%	90%	80%	5x-20x	Мозговой штурм снижает количество неверных решений и упущенных требований
/plan-task + проверка человеком + /implement-task	99%	99%	99%	95%	5x-35x	Проверка человеком снижает риск неверного понимания требований LLM

Метрики надёжности основаны более чем на годе реального использования в разработке на продакшн-проектах.

Список плагинов

Чтобы просмотреть все доступные плагины:

/plugin

• Reflexion - Циклы обратной связи и доработки для повышения качества результата.
• Spec-Driven Development - Команды для разработки на основе спецификаций, построенные на Continuous Learning + LLM-as-Judge + Agent Swarm. Достигает разработки как компиляции за счёт надёжной генерации кода.
• Review - Open-source версия CodeRabbit с более высоким качеством. Включает команды и навыки для ревью кода и PR с использованием нескольких специализированных агентов с фильтрацией по влиянию/уверенности. Доступна бесплатная интеграция с Github Actions
• Git - Команды для создания коммитов и PR.
• Test-Driven Development - Команды для разработки через тестирование и распространённых антипаттернов, а также навыки для тестирования с использованием субагентов.
• Subagent-Driven Development - Навыки для разработки на основе субагентов, которая запускает новый субагент для каждой задачи с ревью кода между задачами, обеспечивая быструю итерацию с контролем качества.
• Domain-Driven Development - Команды для обновления CLAUDE.md лучшими практиками доменно-ориентированной разработки с фокусом на качестве кода; включает Clean Architecture, принципы SOLID и другие паттерны проектирования.
• FPF - First Principles Framework - Структурированное рассуждение с использованием цикла ADI (абдукция-дедукция-индукция) с прогрессией слоёв знаний. Использует паттерн workflow-команды с fpf-agent для генерации гипотез, их проверки и аудируемого принятия решений.
• Kaizen - Вдохновлён японской философией непрерывных улучшений, а также практиками Agile и Lean. Команды для анализа первопричин проблем, включая «5 почему», анализ причинно-следственных связей и другие техники.
• Customaize Agent - Команды и навыки для написания и доработки команд, хуков и навыков для Claude Code. Включает лучшие практики Anthropic и принципы убеждения агентов, которые могут быть полезны в рабочих процессах с субагентами.
• Docs - Команды для анализа проектов, написания и доработки документации.
• Tech Stack - Правила лучших практик для конкретных языков, автоматически применяемые при работе с соответствующими типами файлов.
• MCP - Команды для настройки интеграций с известными MCP-серверами при необходимости и обновления файла CLAUDE.md требованиями по использованию MCP-серверов в текущем проекте.

Будьте на шаг впереди

Поставьте звёздочку Context Engineering Kit на GitHub, чтобы поддержать его развитие и получать уведомления о новых функциях и обновлениях.

Reflexion

Набор команд, которые заставляют LLM рефлексировать над предыдущим ответом и результатом. Включает автоматические хуки рефлексии, которые срабатывают, когда вы включаете слово "reflect" в свой промпт.

Как установить

/plugin install reflexion@NeoLabHQ/context-engineering-kit

Команды - /reflect - Рефлексия над предыдущим ответом и вывод на основе фреймворка самоулучшения для итеративного совершенствования с триажем сложности и верификацией - /memorize - Систематизация выводов из рефлексий и критики в CLAUDE.md с помощью Agentic Context Engineering - /critique - Всесторонний многоперспективный обзор с использованием специализированных судей с дебатами и выработкой консенсуса

Хуки

• Хук автоматической рефлексии - Автоматически запускает /reflect, когда слово «reflect» появляется в вашем запросе

Теоретическая основа

Плагин основан на таких статьях, как Self-Refine и Reflexion. Эти техники улучшают результаты больших языковых моделей за счёт введения циклов обратной связи и доработки.

Доказано, что они повышают качество результата на 8–21% как по автоматическим метрикам, так и по человеческим предпочтениям на семи разнообразных задачах, включая генерацию диалогов, программирование и математические рассуждения, по сравнению со стандартными одношаговыми результатами модели.

Кроме того, плагин основан на статье Agentic Context Engineering, в которой используются обновления памяти после рефлексии, и которая стабильно превосходит сильные базовые методы на 10,6% в агентных приложениях.

Review

Команды всестороннего обзора кода и PR, использующие несколько специализированных агентов для тщательной оценки качества кода с фильтрацией по влиянию/уверенности.

Как установить

/plugin install review@NeoLabHQ/context-engineering-kit

Команды

• /review-local-changes - Всесторонний обзор локальных незакоммиченных изменений с использованием специализированных агентов и предложениями по улучшению кода
• /review-pr - Всесторонний обзор pull request с использованием специализированных агентов
• /traiage-review - Отбирает самые важные файлы из огромного набора изменений для ревьюера-человека, чтобы сократить количество файлов, которые нужно просмотреть перед одобрением.

Агенты

Этот плагин использует несколько специализированных агентов для всестороннего анализа качества кода:

• bug-hunter - Выявляет потенциальные баги, граничные случаи и подверженные ошибкам паттерны
• code-quality-reviewer - Оценивает структуру кода, читаемость и сопровождаемость
• contracts-reviewer - Проверяет интерфейсы, API-контракты и модели данных
• historical-context-reviewer - Анализирует изменения в контексте истории кодовой базы и её паттернов
• security-auditor - Выявляет уязвимости безопасности и потенциальные векторы атак
• test-coverage-reviewer - Оценивает покрытие тестами и предлагает недостающие тестовые случаи

Навык traiage-review дополнительно использует четырёх агентов триажа изменений: - change-story-agent - change-impact-agent - change-failure-agent - change-expectation-agent**

Вы можете использовать этот плагин для обзора кода в GitHub Actions; для этого следуйте этому руководству.

Git

Команды и навыки для упрощённых операций Git, включая коммиты, создание pull request'ов и продвинутые паттерны рабочего процесса.

Как установить

/plugin install git@NeoLabHQ/context-engineering-kit

Команды

• /commit - Создание хорошо оформленных коммитов с сообщениями в формате Conventional Commits и эмодзи
• /create-pr - Создание pull request'ов с помощью GitHub CLI с корректными шаблонами и форматированием
• /analyze-issue - Анализ issue на GitHub и создание детальной технической спецификации
• /load-issues - Загрузка всех открытых issues из GitHub и сохранение их в виде markdown-файлов
• /load-pr-comments - Загрузка открытых/нерешённых комментариев к обзору PR и их группировка в задачи для параллельных агентов по исправлению.
• /worktree - Создание, сравнение и объединение git worktree для параллельной разработки с автоматической установкой зависимостей

Навыки

• git-notes - Навык для использования git notes, позволяющий добавлять метаданные к коммитам без изменения истории.
• resolve-fixed-pr-comments - Проверяет, какие комментарии ревью PR были учтены, и закрывает те из них, которые действительно исправлены или больше не актуальны.

Разработка через тестирование (TDD)

Команды и навыки для разработки через тестирование с обнаружением антипаттернов.

Как установить

/plugin install tdd@NeoLabHQ/context-engineering-kit

Команды

• /write-tests - Систематически добавляет тестовое покрытие для локальных изменений кода с использованием специализированных агентов ревью и разработки
• /fix-tests - Исправляет падающие тесты после изменений бизнес-логики или рефакторинга с использованием оркестрируемых агентов

Навыки

• test-driven-development - Знакомит с методологией TDD, лучшими практиками и навыками тестирования с использованием субагентов
• design-testing-strategy - Руководство по составлению плана оптимального покрытия заданного артефакта тестами с минимизацией усилий и максимизацией покрытия.
• test-coverage - Руководство по выбору и применению различных типов анализа покрытия (структурного, мутационного, по требованиям, API/интеграционного) к существующему набору тестов.

Разработка на основе субагентов (SADD)

Фреймворк выполнения для конкурентной генерации, многоагентной оценки и разработки на основе субагентов с контролем качества (quality gates).

Как установить

/plugin install sadd@NeoLabHQ/context-engineering-kit

Команды

• /launch-sub-agent - Запускает сфокусированных субагентов с интеллектуальным выбором модели, рассуждением Zero-shot CoT и верификацией через самокритику
• /do-and-judge - Выполняет одну задачу с помощью субагента-исполнителя, независимой проверки судьёй и автоматического цикла повторов до успешного прохождения
• /do-in-parallel - Выполняет одну и ту же задачу параллельно для нескольких независимых целей с изоляцией контекста
• /do-in-steps - Выполняет сложные задачи посредством последовательной оркестрации субагентов с автоматической декомпозицией и передачей контекста
• /do-competitively - Выполняет задачи через конкурентную генерацию, оценку несколькими судьями и синтез на основе доказательств для получения превосходных результатов
• /tree-of-thoughts - Выполняет сложные рассуждения путём систематического исследования пространства решений, отсечения бесперспективных ветвей и синтеза лучшего решения
• /judge-with-debate - Оценивает решения через итеративные дебаты нескольких судей с достижением консенсуса или отчётом о разногласиях
• /judge - Оценивает выполненную работу с помощью LLM-as-Judge со структурированными рубриками и оценкой на основе доказательств

Навыки

• subagent-driven-development - Назначает нового субагента для каждой задачи с проверкой кода между задачами, обеспечивая быструю итерацию с контролем качества
• multi-agent-patterns - Проектирует многоагентные архитектуры (супервизор, одноранговая, иерархическая) для сложных задач, превышающих лимиты контекста одного агента

Разработка на основе спецификаций (SDD)

Комплексный плагин рабочего процесса разработки на основе спецификаций, который преобразует промпты в готовые к использованию в продакшене реализации через структурированное планирование, проектирование архитектуры и выполнение с контролем качества.

Этот плагин создан для того, чтобы стабильно выдавать работающий код. Он был протестирован нашей командой на реальных продакшен-проектах, и в 100% случаев он генерировал работающий код, соответствующий исходному промпту. Если вы найдёте сценарий использования, который он не может обработать, пожалуйста, сообщите об этом как об issue.

Ключевые особенности

• Разработка как компиляция — Плагин работает как «компиляция» или «ночная сборка» для вашего процесса разработки: спецификации задач → запуск /implement-task → рабочий код. После написания промпта вы можете запустить плагин и ожидать готового результата к своему возвращению. Время выполнения зависит от сложности задачи — простые задачи могут завершиться за 30 минут, а сложные могут занять несколько дней.
• Качество уровня бенчмарков в реальной жизни — Бенчмарки моделей улучшаются с каждым релизом, однако результаты в реальных условиях обычно остаются прежними. Это объясняется тем, что бенчмарки отражают наилучший результат, которого модель может достичь, тогда как на практике LLM склонны дрейфовать к субоптимальным решениям, которые могут быть ошибочными или неработоспособными. Этот плагин использует разнообразные паттерны, чтобы удерживать модель на пике её производительности.
• Настраиваемость — Балансируйте качество результата и скорость процесса, настраивая параметры команд. Подробнее в разделе Настройка.
• Экономия времени разработчиков — Общий процесс спроектирован так, чтобы минимизировать время разработчика и сократить количество взаимодействий, при этом давая результаты лучше того, что модель может сгенерировать с нуля. Однако итоговое качество напрямую пропорционально времени, которое вы вкладываете в итерации и доработку спецификации.
• Отраслевой стандарт — Шаблон спецификации плагина основан на стандарте arc42, адаптированном под возможности LLM. Arc42 — это широко распространённый высококачественный стандарт документации для разработки ПО, используемый множеством компаний и организаций.
• Лучше всего работает в сложных или больших кодовых базах — В то время как большинство других фреймворков лучше всего подходят для новых проектов и разработки с нуля (greenfield), этот плагин спроектирован так, чтобы работать тем лучше, чем больше существующего кода и хорошо структурированной архитектуры у вас есть. На каждом этапе планирования он включает шаг анализа влияния на кодовую базу, который оценивает, какие файлы могут быть затронуты и какие паттерны следует использовать для достижения желаемого результата.
• Простота — Этот плагин избегает излишней сложности и использует всего 3 команды, перекладывая сложность процесса на модель посредством мультиагентной оркестрации. /implement-task — единственная команда, которая создаёт рабочий код из спецификации задачи. Чтобы создать эту спецификацию, вы запускаете /sdd:add-task и /plan-task, которые анализируют ваш промпт и итеративно уточняют спецификацию до достижения требуемого качества.

Быстрый старт

/plugin install sdd@NeoLabHQ/context-engineering-kit

Затем выполните следующие команды:

# create .specs/tasks/draft/design-auth-middleware.feature.md file with initial prompt
/add-task "Design and implement authentication middleware with JWT support"

# write detailed specification for the task
/plan-task .specs/tasks/draft/design-auth-middleware.feature.md
# will move task to .specs/tasks/todo/ folder

Перезапустите сессию Claude Code, чтобы очистить контекст и начать заново. Затем выполните следующую команду:

# implement the task
/implement-task @.specs/tasks/todo/design-auth-middleware.feature.md
# produces working implementation and moves the task to .specs/tasks/done/ folder

• Подробное руководство
• Примеры использования

Команды

• /add-task - Создать файл шаблона задачи с исходным промптом
• /plan-task - Проанализировать промпт, сгенерировать необходимые навыки и уточнить спецификацию задачи
• /implement-task - Получить рабочую реализацию задачи и проверить её

Дополнительные команды, полезные перед созданием задачи:

• /create-ideas - Генерировать разнообразные идеи по заданной теме с использованием техник креативного сэмплинга
• /brainstorm - Превращать расплывчатые идеи в полноценные дизайны через совместный диалог

Агенты

Агент	Описание	Используется
researcher	Исследование технологий, анализ зависимостей, лучшие практики; создаёт переиспользуемый файл навыка	/plan-task (Фаза 2a)
code-explorer	Анализ кодовой базы, выявление паттернов, картирование архитектуры	/plan-task (Фаза 2b)
business-analyst	Выявление требований, объём работ и пользовательские сценарии, а также весь раздел ## Acceptance Criteria — чеклист, регулярные проверки, рубрика, определения оценок, тестовая стратегия и определение готовности	/plan-task (Фаза 2c)
software-architect	Проектирование архитектуры, проектирование компонентов, стратегия решения и ожидаемые изменения	/plan-task (Фаза 3)
tech-lead	Декомпозиция на файлы подзадач по шагам, построение карты зависимостей, параллелизация, анализ рисков и группировка шагов в независимо проверяемые фазы, для каждой из которых назначается модель-ревьюер	/plan-task (Фаза 4)
developer	Реализует ровно один шаг из собственного файла подзадачи и оставляет дерево сборки зелёным	/implement-task (для каждого шага)
code-reviewer	Проверяет целую фазу реализации на соответствие критериям приёмки, перечисленным в этой фазе как подлежащие проверке, а также качество кода, анализ потерь Муда (Muda) и покрытие тестами	/implement-task (конец каждой фазы)
tech-writer	Написание технической документации, руководств по API, примеров использования, обновление архитектурной документации	/implement-task

Шаблоны (Patterns)

Ключевые шаблоны, реализованные в этом плагине:

• Структурированные шаблоны рассуждений — включают Zero-shot и Few-shot Chain of Thought, Tree of Thoughts, декомпозицию задач и Self-Critique. Каждый адаптирован под конкретного агента и задачу, обеспечивая достаточно детальную декомпозицию, чтобы изолированные субагенты могли независимо реализовывать каждый шаг.
• Мультиагентная оркестрация для управления контекстом — изоляция контекста независимых агентов предотвращает проблему «гниения контекста» (context rot), фактически удерживая LLM на оптимальной производительности на каждом этапе процесса. Главный агент выступает оркестратором, который запускает субагентов и контролирует их работу.
• Ворота качества на основе LLM-as-Judge — оценка качества каждого шага планирования и реализации с использованием скоринга на основе доказательств и заранее определённых рубрик верификации. Это полностью исключает случаи, когда агент выдаёт неработающие или некорректные решения.
• Непрерывное обучение — формирует навыки, которые агенту необходимы для реализации конкретной задачи и которые он иначе не смог бы выполнить с нуля.
• Шаблон разработки на основе спецификаций (Spec-driven development) — основан на стандарте спецификаций arc42, адаптированном под возможности LLM, чтобы исключить части спецификации, которые не добавляют ценности качеству реализации или могут его ухудшить.
• MAKER — шаблон надёжности агента, представленный в статье Solving a Million-Step LLM Task with Zero Errors. Он устраняет ошибки агентов, вызванные накопленным контекстом и галлюцинациями, за счёт использования запусков агентов в чистом состоянии и хранения памяти на базе файловой системы.

Vibe Coding против разработки на основе спецификаций

Этот плагин — не решение для «vibe coding», но из коробки оно работает именно так. По умолчанию он спроектирован работать от одного промпта до конца задачи, делая разумные предположения и решения на основе доказательств вместо постоянных запросов уточнений. Это связано с тем, что время разработчика ценнее времени модели. В результате плагин спроектирован так, чтобы позволить разработчику решать, сколько времени стоит задача. Плагин всегда будет выдавать работающий результат, но качество будет неоптимальным, если обратная связь от человека не предоставляется.

Чтобы повысить качество, после генерации спецификации вы можете исправить её или оставить комментарии с помощью //, а затем снова запустить команду /plan-task с флагом --refine. Вы также можете проверять каждую фазу планирования и реализации, добавив флаг --human-in-the-loop. Согласно большинству известных исследований, человеческая обратная связь — самый эффективный способ улучшить результаты.

Наши тесты показали, что даже когда изначально сгенерированная спецификация была неверной из-за недостатка информации или сложности задачи, агент всё равно был способен к самоисправлению, пока не достигал рабочего решения. Однако это обычно занимает гораздо больше времени и приводит к тому, что агент тратит время на неверные пути и останавливается чаще. Чтобы избежать этого, мы настоятельно рекомендуем декомпозировать задачи на более мелкие отдельные задачи с зависимостями и проверять спецификацию для каждой из них независимо. Вы можете добавлять зависимости между задачами как аргументы к команде /add-task, и агент свяжет их вместе, добавив секцию depends_on во frontmatter файла задачи.

Даже если вы не хотите тратить много времени на этот процесс, вы всё равно можете использовать плагин для сложных задач без декомпозиции или человеческой верификации — но вам, вероятно, понадобятся такие инструменты, как ralph-loop, чтобы поддерживать работу агента дольше.

Узнайте больше о доступных вариантах кастомизации в Customization.

Domain-Driven Development

Фреймворк качества кода с правилами для чистой архитектуры (Clean Architecture), принципов SOLID и паттернов предметно-ориентированного проектирования (Domain-Driven Design).

Как установить

/plugin install ddd@NeoLabHQ/context-engineering-kit

Правила

• 15 компонуемых правил, охватывающих чистую архитектуру (Clean Architecture), принципы SOLID, разделение команд и запросов (Command-Query Separation), паттерн «функциональное ядро / императивная оболочка» (Functional Core/Imperative Shell), явный поток управления (Explicit Control Flow), именование на основе предметной области (Domain-Specific Naming) и многое другое. См. справочник по правилам

FPF - First Principles Framework

Плагин структурированного рассуждения, реализующий First Principles Framework (FPF) Анатолия Левенчука — методологию строгого и проверяемого рассуждения. Главная особенность — превращение «чёрного ящика» ИИ-рассуждений в прозрачный, подкреплённый доказательствами журнал аудита. Плагин делает принятие решений ИИ прозрачным и проверяемым. Вместо того чтобы сразу прыгать к решениям, FPF требует генерировать конкурирующие гипотезы, проверять их логически, испытывать на основе доказательств, а затем давать разработчикам возможность выбрать.

Ключевые принципы:

• Прозрачное рассуждение - Полная цепочка аудита от гипотезы до решения
• Опора на гипотезы - Генерация 3–5 конкурирующих альтернатив до начала оценки
• Опора на доказательства - Вычисляемые баллы доверия, а не приблизительные оценки
• Человек в контуре управления - ИИ генерирует варианты; решение принимают люди (Transformer Mandate)

Основной цикл следует трём режимам умозаключения:

1. Абдукция — генерация конкурирующих гипотез (не привязывайтесь к первой идее).
2. Дедукция — проверка логики и ограничений (имеет ли идея смысл?).
3. Индукция — сбор доказательств посредством тестов или исследований (работает ли идея в реальности?).

Затем выполняется аудит на предмет предвзятости, принимается решение, и обоснование документируется в долговременной записи.

Предупреждение: этот плагин загружает основную спецификацию FPF в контекст, и её объём велик (~600 тыс. токенов). В результате она загружается в субагента с моделью Sonnet[1m]. Однако такой агент может быстро израсходовать ваш лимит токенов.

Как установить

/plugin install fpf@NeoLabHQ/context-engineering-kit

Рабочий процесс использования

# Execute complete FPF cycle from hypothesis to decision
/propose-hypotheses What caching strategy should we use?

# The workflow will:
# 1. Initialize context and .fpf/ directory
# 2. Generate competing hypotheses
# 3. Allow you to add your own alternatives
# 4. Verify each against project constraints (parallel)
# 5. Validate with evidence (parallel)
# 6. Compute trust scores (parallel)
# 7. Present comparison for your decision

Команды

• /propose-hypotheses - Выполняет полный цикл FPF от гипотезы до решения (основной рабочий процесс)
• /status - Показывает текущую фазу FPF и количество гипотез
• /query - Поиск по базе знаний с информацией о достоверности
• /decay - Управление свежестью доказательств (обновление/устаревание/освобождение)
• /actualize - Согласует базу знаний с изменениями в кодовой базе
• /reset - Архивирует сессию и возвращает систему в состояние IDLE

Агент

• fpf-agent - Специалист по рассуждению FPF для генерации гипотез, верификации, валидации и исчисления доверия с использованием цикла ADI и последовательного прохождения слоёв знаний

Kaizen

Методология непрерывного совершенствования, вдохновлённая японской философией и практиками Agile.

Как установить

/plugin install kaizen@NeoLabHQ/context-engineering-kit

Команды

• /analyse - Автоматически выбирает наиболее подходящий метод кайдзен (гемба-обход, анализ потока создания ценности или муда) для анализа заданной цели
• /analyse-problem - Комплексный одностраничный анализ проблемы в формате A3 с определением первопричины и планом действий
• /why - Итеративный анализ первопричин методом «Пяти почему»: углубление от симптомов к первоосновам
• /root-cause-tracing - Систематически прослеживает ошибки в обратном порядке по стеку вызовов, чтобы выявить источник некорректных данных или неправильного поведения
• /cause-and-effect - Систематический анализ по диаграмме Исикавы («рыбья кость»), исследующий причины проблемы по шести категориям
• /plan-do-check-act - Итеративный цикл PDCA («планируй — делай — проверяй — действуй») для систематических экспериментов и непрерывного совершенствования

Навыки

• kaizen - Методология непрерывного совершенствования с множеством техник анализа

Customaize Agent

Команды и навыки для создания и доработки расширений Claude Code.

Как установить

/plugin install customaize-agent@NeoLabHQ/context-engineering-kit

Команды

• /create-agent - Исчерпывающее руководство по созданию агентов Claude Code с правильной структурой, условиями срабатывания, системными промптами и валидацией
• /create-command - Интерактивный помощник для создания новых команд Claude с правильной структурой и паттернами
• /create-workflow-command - Создание workflow-команд, которые оркестрируют многошаговое выполнение через субагентов с файловыми промптами задач
• /create-skill - Руководство по созданию эффективных навыков с использованием подхода, основанного на тестировании
• /create-hook - Создание и настройка git-хуков с интеллектуальным анализом проекта и автоматизированным тестированием
• /test-skill - Проверка того, что навыки работают под давлением и устойчивы к рационализации, с использованием цикла RED-GREEN-REFACTOR
• /test-prompt - Тестирование любого промпта (команды, хуки, навыки, инструкции субагентам) с использованием цикла RED-GREEN-REFACTOR и субагентов
• /apply-anthropic-skill-best-practices - Исчерпывающее руководство по разработке навыков на основе официальных лучших практик Anthropic

Навыки

• prompt-engineering - Известные техники и паттерны промпт-инжиниринга, включает лучшие практики Anthropic и принципы убеждения агентов (Agent Persuasion Principles)
• context-engineering - Глубокое понимание механики контекста: бюджет внимания, прогрессивное раскрытие информации, эффект «потерянного в середине» (lost-in-middle) и практические паттерны оптимизации
• agent-evaluation - Фреймворки оценки агентных систем: LLM-as-Judge, многомерные рубрики, снижение предвзятости и вывод о 95% производительности

Документация

Команды для анализа проекта и управления документацией на основе проверенных принципов письма.

Как установить

/plugin install docs@NeoLabHQ/context-engineering-kit

Команды

• /update-docs - Обновление документации по реализации после завершения этапов разработки
• /write-concisely - Применение принципов книги The Elements of Style для создания более ясной и профессиональной документации

Технологический стек

Правила лучших практик для конкретных языков и фреймворков, автоматически применяемые, когда агент работает с соответствующими типами файлов.

Как установить

/plugin install tech-stack@NeoLabHQ/context-engineering-kit

Правила

• Лучшие практики TypeScript - Рекомендации по системе типов, стилю кода, асинхронным паттернам и стандартам качества кода; автоматически загружаются, когда агент читает или записывает файлы .ts

MCP

Команды для интеграции серверов Model Context Protocol с вашим проектом. Каждая команда настройки поддерживает конфигурацию на нескольких уровнях:

• Уровень проекта (общий) - Конфигурация отслеживается в git и передаётся команде через ./CLAUDE.md
• Уровень проекта (личный) - Локальная конфигурация в ./CLAUDE.local.md, не отслеживается в git
• Уровень пользователя (глобальный) - Конфигурация в ~/.claude/CLAUDE.md, применяется ко всем проектам

Как установить

/plugin install mcp@NeoLabHQ/context-engineering-kit

Команды

• /setup-context7-mcp - Руководство по настройке сервера Context7 MCP для загрузки документации по конкретным технологиям
• /setup-serena-mcp - Руководство по настройке сервера Serena MCP для семантического поиска и редактирования кода
• /setup-codemap-cli - Руководство по настройке Codemap CLI для интеллектуальной визуализации и навигации по кодовой базе
• /setup-arxiv-mcp — Руководство по настройке MCP-сервера arXiv/поиска научных статей через Docker MCP для поиска и получения академических публикаций из множества источников
• /build-mcp — Руководство по созданию высококачественных MCP-серверов, позволяющих LLM взаимодействовать с внешними сервисами

Теоретическая основа

Этот проект основан на исследованиях и статьях из следующих источников:

• Само-доработка — Основной цикл доработки
• Рефлексия — Интеграция памяти
• Конституциональный ИИ — Критика на основе принципов
• LLM в роли судьи — Паттерны оценивания
• Дебаты нескольких агентов — Множество точек зрения
• Агентная инженерия контекста — Курирование памяти
• Цепочка верификации — Снижение галлюцинаций
• Дерево мыслей — Структурированное исследование
• Модели наград за процесс — Пошаговая оценка
• Вербализованная выборка — Генерация разнообразных идей с улучшением в 2–3 раза
• Модели наград за процесс — Верификация шагов
• Промптинг с цепочкой рассуждений — Пошаговое рассуждение
• Масштабирование верификации на этапе инференса — Верификация на основе рубрик

Более подробную информацию о теоретической основе можно найти на странице ресурсов.