上下文保险库专业版
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @zcwl/context-vault-manager-pro。
技能介绍
问题从哪来
RAG 和长会话 Agent 常见痛点是:关键词检索把无关段落召回进上下文,多项目共用一套记忆时条目互相污染,记忆规模上去后难以做分层取舍,最后表现为 Token 撑爆或回答「记得错事」。Context Vault Manage(@zcwl/context-vault-manager-pro)面向的是可检索、可隔离、可分层的上下文保险库,而不是把整段聊天记录硬塞进 prompt。
技能在做什么
资料描述采用三层记忆分层,并配套语义检索、混合检索、自动摘要、向量数据库与多项目隔离等能力,目标是在控制上下文占用的同时提高召回相关性(资料中称 RAG 准确率约提升 40%、Token 占用约降低 70%,需在你的数据上自行验证)。调用面以 Markdown 指令驱动为主:必填 input(字符串),可选 options(模式、格式等)与 callback_url(异步完成回调)。处理流程上可先按「核心能力 → 依赖说明 → 对应命令/函数 → 错误处理」走通一条链路;异常侧覆盖文件路径、格式、权限、命令执行、超时与网络等常见问题。
适用边界
- 向量库与部分平台能力若依赖外部服务,需按依赖说明配置 API Key 与环境变量,不能假设「零配置即全功能」。
- 文档注明 SKILL.md 存在截断,完整章节以版本库历史为准;集成前应对齐你实际需要的检索模式(纯语义 / 混合)与隔离粒度(按项目 / 按会话)。
- 命令执行受安全白名单约束,不适合把未校验的用户输入直接拼进 shell。
使用场景
- 多个客户项目的 Agent 共用运行时,需要按项目写入与检索记忆,避免 A 项目文档被 B 项目召回
- 长对话客服或技术支持 Bot 在会话变长时,要用分层记忆与摘要把仍相关的历史留在上下文内
- 企业内部知识库 RAG 从纯关键词升级为语义/混合检索,减少「搜到但答非所问」的段落注入
- 异步批处理写入大量记忆条目后,通过 `callback_url` 在未阻塞主流程的情况下确认入库完成
适合人员
- 维护多租户 SaaS Agent、必须把客户上下文严格隔离的后端工程师
- 负责企业知识库问答链路、正在调 RAG 召回与上下文长度的机器学习工程师
- 用 Markdown/技能编排搭建 Agent、需要可重复记忆读写契约的自动化方案设计者
- 运维长会话对话产品、要处理上下文溢出与记忆混淆的 AI 应用开发者