核心功能
Context Engineer 是专为 AI Agent 设计的上下文窗口分析工具，通过静态文件审计帮助开发者精准掌握 token 消耗分布。它深度剖析 System Prompt、工具定义、记忆文件及 Skill 组件的 token 占用情况，识别冗余结构与压缩潜力。
显著优点
全维度审计能力：覆盖 System Prompt 长度与冗余检测、工具定义开销分析、Memory 文件膨胀扫描、Skill 级 token 成本核算，提供端到端的可见性。
无依赖轻量设计：纯 Python 3 标准库实现，零外部依赖，即装即用，适合 CI/CD 集成与本地快速诊断。
版本化对比追踪：支持快照保存与前后对比，量化优化收益，形成可度量的上下文工程闭环。
潜在局限
- Token 估算精度：采用 ~4 字符/ token 的近似算法，与具体模型分词器存在偏差，关键场景需配合官方 tokenizer 校准
- 静态分析边界：仅审计文件层面开销，无法捕获运行时动态上下文（如对话历史累积）
- 单一输出格式：目前仅支持终端格式，缺乏结构化导出（JSON/HTML）便于自动化处理
适合人群
- 构建复杂 Agent 系统的开发者，遭遇 context window 瓶颈
- 平台运营方需评估多 Skill 组合的上下文成本
- 追求极致 prompt 效率的 LLM 应用架构师
常规风险
- 分析过程读取 workspace 敏感配置文件，需确保执行环境隔离
- 过度优化可能导致 prompt 可读性下降，建议保留关键注释与结构
- 低 token 估算精度可能误导预算规划，高敏感场景建议交叉验证
来源可信度
由 CacheForge 团队维护，专注上下文工程领域，提供配套 SaaS 平台（Anvil AI），属于垂直领域专业工具开发商。