上下文小口袋

长对话里的记忆断片

在多轮 AI 协作中，尤其是跨度较大的长任务，模型很容易在中途"断片"——明明前面聊过的目标、约束或已完成的步骤，几轮之后就忘了，用户不得不重复说明。这种重复沟通不仅浪费时间，还会打断思路，让 Agent 显得"不记事"。

口袋化的记忆管理

这个技能用"小口袋"的思路压缩关键上下文：

• 口袋结构固定：最多 5 格，分别对应🎯目标、🚧约束、✅已做、🔜待做、⚠️别踩坑，避免信息过载。
• 条目严格限制：每格不超过 3 条，每条不超过 40 字，禁止把整份文档塞进一格。
• 信息准确性：输出用俏皮短句，但不确定的信息必须写"待确认"，不许瞎编。

协作中的更新机制

Agent 会在任务推进时主动更新口袋：缺口袋时先帮用户填一版，请用户确认；每轮重要决策前默读口袋，冲突时先问人再改；收工时输出"口袋终态"，方便下次继续。

适用边界与隐私注意

• 涉及密码、密钥、身份证等隐私信息，必须改写为"已配置/本地持有"，不能进口袋。
• 过期条目要及时划掉，避免堆垃圾，保持口袋轻量。
• 不适合需要长文档级引用的场景，口袋只承载关键摘要。