技能介绍

上下文丢失与审计断层

在长周期的 AI 编码任务中，会话超时或上下文窗口溢出是常态。当一次会话结束时，下一轮接手的 AI 往往只能看到散落的代码和 commit message，却丢失了关键决策、测试状态以及未完成的工作进度。此外，传统的 commit message 难以承载结构化的审计轨迹——谁改了什么、为什么改、如何测试以及当前处于什么状态，这些信息往往在交接时断裂。tc-tracker 正是为了填补这一空白，它不试图取代 git，而是为每一次逻辑变更提供一份独立、结构化的生命周期档案。

结构化变更与状态机

该技能将每一次技术变更（Technical Change, TC）抽象为一个遵循严格 schema 的 JSON 记录，集中存储在项目的 docs/TC/ 目录下。为了强制规范，TC 记录内置了一个不可跳过的状态机，引导变更从 planned 逐步流转到 deployed，确保每个阶段（如实现、测试、审批）都有据可查。
技能提供了五个仅依赖标准库的 Python 脚本，覆盖初始化、创建、更新、状态查看和校验等操作，并通过 /tc 斜杠命令进行调度。在更新记录时，脚本采用原子写入（先写 .tmp 再重命名）并强制执行一系列校验规则，如追加式修订历史、顺序 ID 检查以及审批一致性验证。

无缝的会话交接与非阻塞模式

对于 AI 连续性而言，最核心的是 session_context.handoff 字段。它要求记录当前进度摘要、有序的后续步骤、阻碍项、关键上下文、进行中的文件状态以及已做的架构决策，使得新会话能够直接“接盘”。
为了避免拖慢主编码流程，该技能采用非阻塞记账模式：绝不在每次代码编辑之间停下来更新记录，而是保持编码，在自然里程碑处派生后台 subagent 去更新 TC 记录。需要注意的是，它不适用于仅从 git 历史生成 changelog，也不适合追踪长期的 tech debt。对于拼写错误或格式化等琐碎变更，直接提交即可，无需建立 TC 记录。