智能上下文保存

要解决什么问题

多会话、多代理协作时，项目状态、架构决策和隐式知识往往只留在聊天记录里，换会话或换人接手就难以无损重建上下文。本技能把「上下文保存」当成工程问题：在给定 $PROJECT_ROOT 下，按 $CONTEXT_TYPE（minimal / standard / comprehensive）决定捕获粒度，并用 $STORAGE_FORMAT（json、markdown、vector）落地存储。

技能如何工作

角色是智能上下文管理专家，编排捕获、序列化与检索，典型能力包括：

• 语义提取：架构模式、决策理由、横切依赖与隐式知识结构
• 状态序列化：JSON Schema、嵌套分层模型、类型安全与可重建快照
• 多会话管理：上下文指纹、版本控制、漂移检测与语义 diff
• 压缩与检索：有损/无损压缩、语义 token 缩减；可选 Pinecone、Weaviate、Qdrant 做嵌入与相似度检索
• 知识表示：关系元数据、本体与跨域链接；格式含 JSON、带 frontmatter 的 Markdown、Protobuf、MessagePack、YAML 等

参考流程示例：上手时分析结构 → 提取架构决策 → 生成嵌入 → 写入向量库 → 输出 Markdown 摘要；长会话则周期性快照、检测架构变更、版本归档与选择性恢复。详细示例见 resources/implementation-playbook.md。

适用边界与注意点

• 敏感信息须显式排除，不能指望工具自动脱敏
• 全面捕获有计算与存储开销，需按场景调 $CONTEXT_TYPE 与压缩策略
• 向量库与企业知识标准集成需要额外配置；任务与上下文工程无关时不要启用本技能