上下文保险库

要解决的具体问题

长会话 Agent 的实际痛点通常很具体：上下文窗口被早期对话占满，新的请求响应变慢，Token 成本随轮次线性上涨；聊天机器人对几十轮前的内容没有稳定记忆，任务型 Agent 容易被中间步骤的无效信息淹没。Context Vault Manage 把这些问题归结为一点：缺少分层的、可清理的记忆策略。

技能如何工作

该技能（规范名 @zcwl/context-vault-manager-free）的核心是三层记忆模型：短期记忆 short-term 只保留临时信息，上限为 100 条，超出后自动清理最旧记录；长期记忆 long-term 和重要记忆 important 分别用于用户偏好、历史事实和关键决策，不会被自动清理。用户通过 action 参数调用能力，如 add 写入、search 关键词检索、summarize 生成摘要、save / load 持久化到磁盘文件 ./memory-store.json。手动摘要可限制 maxTokens，压缩后的结果适合重新注入上下文。

运行方式属于 MD+EXEC 类：由 Markdown 指令驱动，部分能力需要 Agent 具备命令行执行能力。免费版无需额外 API Key，LLM 由宿主 Agent 平台提供。

适用边界与注意点

免费版明确不含语义检索、混合检索、自动摘要、向量数据库集成、多项目隔离和智能清理策略，搜索基于字符串匹配，不是向量相似度。短期记忆默认不持久化，系统重启后会丢失；如果数据重要，需显式传入 persist: true 或将其升级为长期/重要记忆。

它更适合个人开发者或单项目的自动化工作流，不适合做多租户、跨项目隔离或团队级的人员绩效评估场景。实际效果取决于 Agent 对自然语言指令的执行能力，参数表只定义了行为，不保证任何平台级别的兼容性。