Install any skill in seconds. Free to start, no credit card required.
Get Started Free →Guardiao de contexto que preserva dados criticos antes da compactacao automatica. Snapshots, verificacao de integridade e zero perda de informacao.
.claude/skills/context-guardian/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-04 | ✗→✓ | ▲ Improved | 177% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 198% | 0% |
| case-06 | ✗→✓ | ▲ Improved | 93% | 0% |
| case-07 | ✗→✓ | ▲ Improved | 147% | 0% |
| case-08 | ✗→✓ | ▲ Improved | 163% | 0% |
> Este guia e intencionalmente escrito em portugues brasileiro. O cabecalho > Os cabecalhos When to Use e Limitations permanecem em ingles apenas para > compatibilidade com a descoberta e a validacao automatica do catalogo.
> !WARNING] > Esta skill cria snapshots e pode remove-los durante a poda. Confirme o > diretorio de dados, mantenha um backup e obtenha aprovacao explicita antes de > executar save ou prune; nunca presuma autorizacao para alterar MEMORY.md > ou outros arquivos de contexto do usuario.
Guardiao de contexto que preserva dados criticos antes da compactacao automatica. Snapshots, verificacao de integridade e zero perda de informacao.
Sistema de integridade de contexto que protege projetos tecnicoss complexos contra perda de informacao durante compactacao automatica do Claude Code. Enquanto o context-agent atua APOS as sessoes (save/load), o context-guardian atua DURANTE a sessao, detectando quando a compactacao esta proxima e executando protocolos de preservacao com verificacao redundante.
O Claude Code compacta automaticamente mensagens antigas quando o contexto se aproxima do limite da janela. Essa compactacao e heuristica — ela resume mensagens para liberar espaco, mas inevitavelmente perde detalhes. Para projetos simples, isso funciona bem. Mas para projetos tecnicos pesados (como ecossistemas com 21+ skills, auditorias de seguranca, refatoracoes de arquitetura), a perda de um unico detalhe pode causar regressoes, re-trabalho ou inconsistencias graves.
O context-guardian resolve isso criando uma camada de protecao PRE-compactacao: extrai, classifica, verifica e persiste todas as informacoes criticas ANTES que a compactacao automatica as destrua.
C:\Users\renat\skills\context-guardian\
├── SKILL.md # Este arquivo
├── references/
│ ├── extraction-protocol.md # Protocolo detalhado de extracao
│ └── verification-checklist.md # Checklist de verificacao e redundancia
└── scripts/
└── context_snapshot.py # Script de snapshot automaticocontext-guardian (PRE-compactacao) context-agent (POS-sessao)
│ │
├── Detecta contexto grande ├── Salva resumo ao final
├── Extrai dados criticos ├── Atualiza ACTIVE_CONTEXT.md
├── Verifica integridade ├── Sincroniza MEMORY.md
├── Salva snapshot verificado ├── Indexa busca FTS5
└── Gera briefing de transicao └── Arquiva sessoes antigasO context-guardian e o context-agent sao complementares:
contexto (indicadores: mensagens comecando a ser resumidas, aviso de compactacao)
ou projetos com dependencias complexas entre componentes
que empurraria o contexto para alem do limite
Percorrer toda a conversa ate o momento e extrair categorias criticas. Para cada categoria, classificar por prioridade (P0 = perda fatal, P1 = perda grave, P2 = perda toleravel).
P0 — Perda Fatal (preservar com redundancia tripla)
| Categoria | O que extrair | Exemplo | |-----------|--------------|---------| | Decisoes tecnicas | Escolhas de arquitetura, padrao, tecnologia E motivo | "Usamos parameterized queries porque f-strings causam SQL injection" | | Estado de tarefas | O que foi feito, o que falta, dependencias | "18/18 match OK, falta ZIP" | | Correcoes aplicadas | Bug, causa raiz, solucao exata, arquivos afetados | "instagram/db.py: SQL injection via f-string → ? placeholders" | | Codigo gerado/modificado | Caminho exato, linhas alteradas, natureza da mudanca | "match_skills.py:40-119: adicionou 5 categorias" | | Erros encontrados | Mensagem exata, stack trace relevante, como resolveu | "TypeError at line 45 → cast para int" | | Comandos que funcionaram | Comando completo que produziu resultado correto | "python verify_zips.py → 22/22 OK" |
P1 — Perda Grave (preservar com verificacao)
| Categoria | O que extrair | |-----------|--------------| | Padroes descobertos | Convencoes, patterns de codigo observados | | Dependencias entre componentes | "scan_registry.py E match_skills.py devem ter categorias identicas" | | Preferencias do usuario | Idioma, estilo, nivel de detalhe, workflow preferido | | Contexto de projeto | Estrutura de diretorios, arquivos-chave, proposito | | Questoes em aberto | Perguntas sem resposta, ambiguidades nao resolvidas |
P2 — Perda Toleravel (resumo compacto)
| Categoria | O que extrair | |-----------|--------------| | Historico de tentativas | "Tentei X, nao funcionou por Y, entao Z" | | Metricas de progresso | Contadores, tempos, tamanhos | | Discussoes exploratórias | Brainstorm, opcoes consideradas e descartadas |
Apos extrair, verificar que NADA critico foi omitido.
Checklist de Verificacao (executar mentalmente para cada item):
□ Cada arquivo modificado tem: caminho, natureza da mudanca, motivo
□ Cada bug corrigido tem: sintoma, causa raiz, solucao, arquivo
□ Cada decisao tem: o que, por que, alternativas descartadas
□ Cada tarefa pendente tem: descricao, prioridade, dependencias
□ Cada padrao/convencao tem: regra, motivo, exemplos
□ Nenhuma informacao de uma secao contradiz outra
□ Referencias cruzadas estao consistentes (ex: "18 queries testadas" aparece em
multiplos lugares com o mesmo numero)
□ Caminhos de arquivo estao completos (absolutos, nao relativos)Se qualquer item falhar, voltar a Fase 1 e re-extrair a informacao faltante.
Para detalhes sobre verificacao avancada, ler references/verification-checklist.md.
Salvar as informacoes extraidas em 3 camadas de redundancia:
Camada 1 — Snapshot estruturado (arquivo .md)
bashpython C:\Users\renat\skills\context-guardian\scripts\context_snapshot.py save
Gera C:\Users\renat\skills\context-guardian\data\snapshot-YYYYMMDD-HHMMSS.md com todas as informacoes extraidas em formato estruturado.
Se o script nao estiver disponivel, criar manualmente o arquivo seguindo o formato descrito em references/extraction-protocol.md.
Camada 2 — MEMORY.md atualizado
Atualizar C:\Users\renat\.claude\projects\C--Users-renat-Skill-JUD\memory\MEMORY.md com as informacoes P0 mais criticas em formato ultra-compacto. O MEMORY.md e carregado automaticamente em toda nova sessao, entao ele e a ultima linha de defesa.
Camada 3 — Context-agent save
bashpython C:\Users\renat\skills\context-agent\scripts\context_manager.py save
Aciona o context-agent para salvar sessao completa com indexacao FTS5.
Gerar um bloco de texto formatado que serve como "cartao de visita" para o Claude que continuar apos a compactacao. Este briefing deve ser a ULTIMA coisa escrita antes da compactacao, para que fique no topo do contexto compactado.
Formato do briefing:
markdown## Estado Atual - Projeto: [nome] - Fase: [fase atual] - Progresso: [X/Y tarefas completas] ## O Que Foi Feito Nesta Sessao 1. [tarefa 1 — resultado] 2. [tarefa 2 — resultado] ... ## O Que Falta Fazer 1. [tarefa pendente — prioridade] [dependencia se houver] 2. ... ## Decisoes Criticas (Nao Alterar Sem Motivo) - [decisao 1]: [motivo] - [decisao 2]: [motivo] ## Correcoes Aplicadas (Nao Reverter) - [arquivo]: [correcao] — [motivo] ## Caminhos Importantes - [caminho 1]: [proposito] - [caminho 2]: [proposito] ## Alertas - [qualquer armadilha, edge case, ou cuidado especial] ## Onde Recuperar Mais Informacoes - Snapshot: C:\Users\renat\skills\context-guardian\data\snapshot-[timestamp].md - MEMORY.md: carregado automaticamente - Context-agent: `python context_manager.py load` - Busca historica: `python context_manager.py search "termo"`
Se a compactacao esta iminente e nao ha tempo para o protocolo completo de 4 fases:
criticas, caminhos de arquivo modificados
Mesmo o protocolo rapido e melhor que nenhuma protecao.
Quando uma sessao continuar apos compactacao, verificar se o contexto preservado esta completo:
data/bash python C:\Users\renat\skills\context-agent\scripts\context_manager.py load
bash python C:\Users\renat\skills\context-agent\scripts\context_manager.py search "termo"
Cenario: Sessao longa criando advogado-especialista (46KB), corrigindo match_skills (5 categorias novas), auditando seguranca (10 vulnerabilidades), gerando 22 ZIPs.
Sem context-guardian: Compactacao resume tudo em "criou skill juridica, corrigiu bugs, gerou zips". Proximo Claude nao sabe quais categorias foram adicionadas, quais vulnerabilidades foram corrigidas, qual o estado de cada ZIP, ou por que certas decisoes foram tomadas. Resultado: re-trabalho, inconsistencias, regressoes.
Com context-guardian: Antes da compactacao, executa protocolo completo:
Proximo Claude continua com precisao total, zero re-trabalho.
mesmo se uma camada falhar, as outras duas preservam a informacao
context-agent - Skill complementar para persistencia entre sessoesautor; adapte e valide todos os caminhos antes de qualquer execucao.
prune remove snapshots antigos; exijaaprovacao para o caminho exato e preserve um backup recuperavel.
seguranca ou criterios de sucesso.
| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-01 | fail→fail | 14,764 | 5,182 | -65% | 1 | 1 | 0% | 2,564 | 4,423 | +73% | 0 | 0 | — |
case-02 | fail→fail | 12,814 | 8,138 | -36% | 1 | 1 | 0% | 2,332 | 5,152 | +121% | 0 | 0 | — |
case-03 | fail→fail | 9,062 | 7,660 | -15% | 1 | 1 | 0% | 1,665 | 4,021 | +142% | 0 | 0 | — |
case-04 | fail→pass | 10,418 | 9,250 | -11% | 1 | 1 | 0% | 1,839 | 5,103 | +177% | 0 | 0 | — |
case-05 | fail→pass | 8,619 | 5,086 | -41% | 1 | 1 | 0% | 1,440 | 4,290 | +198% | 0 | 0 | — |
case-06 | fail→pass | 17,067 | 12,893 | -24% | 1 | 1 | 0% | 3,165 | 6,103 | +93% | 0 | 0 | — |
case-07 | fail→pass | 11,087 | 6,925 | -38% | 1 | 1 | 0% | 1,890 | 4,677 | +147% | 0 | 0 | — |
case-08 | fail→pass | 9,995 | 6,924 | -31% | 1 | 1 | 0% | 1,780 | 4,683 | +163% | 0 | 0 | — |
case-09 | fail→pass | 12,565 | 7,291 | -42% | 1 | 1 | 0% | 2,345 | 4,907 | +109% | 0 | 0 | — |
case-10 | fail→pass | 11,211 | 5,548 | -51% | 1 | 1 | 0% | 1,935 | 4,397 | +127% | 0 | 0 | — |
case-11 | fail→pass | 12,533 | 8,983 | -28% | 1 | 1 | 0% | 2,170 | 5,143 | +137% | 0 | 0 | — |
case-12 | pass→pass | 5,844 | 4,297 | -26% | 1 | 1 | 0% | 1,220 | 4,108 | +237% | 0 | 0 | — |
case-13 | pass→fail | 2,951 | 7,853 | +166% | 1 | 1 | 0% | 444 | 4,945 | +1014% | 0 | 0 | — |
case-14 | fail→pass | 9,612 | 4,601 | -52% | 1 | 1 | 0% | 1,832 | 4,069 | +122% | 0 | 0 | — |
case-15 | fail→fail | 9,546 | 8,339 | -13% | 1 | 1 | 0% | 1,621 | 4,969 | +207% | 0 | 0 | — |
case-16 | pass→pass | 8,834 | 6,786 | -23% | 1 | 1 | 0% | 1,628 | 4,653 | +186% | 0 | 0 | — |
case-17 | fail→pass | 9,155 | 5,268 | -42% | 1 | 1 | 0% | 1,627 | 4,415 | +171% | 0 | 0 | — |
case-18 | fail→fail | 7,827 | 4,542 | -42% | 1 | 1 | 0% | 1,497 | 4,325 | +189% | 0 | 0 | — |
case-19 | pass→pass | 10,258 | 4,748 | -54% | 1 | 1 | 0% | 1,806 | 4,305 | +138% | 0 | 0 | — |
case-20 | fail→fail | 10,014 | 5,991 | -40% | 1 | 1 | 0% | 1,878 | 4,596 | +145% | 0 | 0 | — |
case-21 | fail→pass | 11,628 | 3,425 | -71% | 1 | 1 | 0% | 2,078 | 4,038 | +94% | 0 | 0 | — |
case-22 | pass→pass | 11,266 | 4,380 | -61% | 1 | 1 | 0% | 2,067 | 4,166 | +102% | 0 | 0 | — |
case-23 | fail→pass | 11,393 | 3,324 | -71% | 1 | 1 | 0% | 1,877 | 4,006 | +113% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 23 cases were attempted, and 22 counted toward the lift figure. The other 1 produced results that are not comparable between the two arms, so they are excluded from the headline rather than averaged into it. The headline lift of +48 percentage points is the difference between those two pass rates over the 22 comparable cases. 1 case got worse with the skill loaded, and it is included in that figure.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
| Model | Method | Date | Lift |
|---|---|---|---|
| gemini-3.6-flash | verified | 7/31/2026 | +68% |
Other measured skills in the registry, with their headline benchmark lift.