技能介绍

问题在哪

大模型上下文窗口是硬上限（例如 Hy3 约 256K）。真实任务往往更长：检索结果、工具输出、批量生成物若全部堆进对话历史，任务会在中途被压缩、退化或直接中断。换更大窗口的模型能缓解，但本质是工作记忆预算问题——编排方式不对，窗口再大也会浪费在冗余历史上。

技能如何编排

本工作流把「工作记忆」从主对话剥离到外部，让窗口只承载当前推理焦点：

Phase 1 基座：在任务目录下约定 state.md（阶段与待决项）、artifacts/（中间产物）、notes/（阶段压缩摘要），便于跨轮 memory_recall 续传。
Phase 2 执行循环：重上下文步骤用 subagent_spawn（research / general，light / heavy）隔离，主对话只收回路径与摘要；轻步骤主对话直做但产物仍落盘；超过约 3000 字符的工具输出写入 artifacts/；每步更新 state.md 并用 task_plan 推进检查点。
Phase 3 压缩：历史膨胀或跨会话前，把结论写入 notes/，在 state.md 顶部写明恢复路径，续传时先读状态再对齐进度，不从零重做。
Phase 4 收口：核对产物一致性，按用户要求交付，并把可复用目录约定沉淀到记忆或 references。

互不依赖的子步骤应并发派发子代理，缩短总时长。错误恢复上：子代理失败分级重试或拆细；会话重置则读 state.md + notes/ + task_plan 从最近检查点继续。

适用边界

适合多阶段、产物多、需跨轮持续的长程编排（批量文件处理、分章调研写作、并行子任务生成等）。单步问答、纯查询、无需外置状态的场景不必上整套 Phase。开工前应向用户一句话说明拆法与预计外置产物位置（确认门），除非用户已明确说直接做。工具范围以 ima 实际能力为准：task_plan、subagent_spawn、file_*、memory_* 等。