语义记忆上下文恢复

问题背景

多代理、长时运行的 AI 项目里，会话断档、换模型或换工作节点后，项目知识往往散落在向量库、文件快照和各自代理的决策轨迹里。若只做关键词检索或整包加载，要么漏掉关键约束，要么在 token_budget 内塞不下有效上下文，续接质量会明显下滑。

技能如何工作

本技能把「上下文恢复」当作语义记忆再水合：在 context_source 与 project_identifier 命名空间下，按 restoration_mode（full / incremental / diff）选择完整恢复、增量更新或版本合并。

核心能力包括：

• 语义检索：多维嵌入、余弦相似度与聚类，可选多模态（文本、代码、架构图）
• 相关性管线：多阶段打分，结合时间衰减、语义相似度与 relevance_threshold（默认 0.75）
• 再水合与预算：在默认 token_budget（8192）内做选择性加载、惰性加载与流式扩展
• 状态与协作：重建代理工作流状态，保留决策轨迹；多代理历史可一并纳入
• 合并与校验：三路合并、语义冲突检测、来源追溯；配合签名与版本兼容性检查

参考工作流上，项目续接典型步骤是：取最新上下文 → 对照当前代码库验证 → 选择性恢复组件 → 生成续接摘要；跨项目知识迁移则走向量提取、映射迁移、领域适配与可迁移性验证。

适用边界

任务与分布式上下文恢复、RAG 或多代理协调无关时，不必启用本技能。需要本范围外的专用工具或领域知识时，应换用对应技能；细节实现可对照 resources/implementation-playbook.md。