kontext-expert

name: kontext-expert description: 双层结构化长效记忆专家 (Kontext-Aware)

Kontext 专家技能 (kontext-expert)

本技能旨在为 Agent (Antigravity) 提供持久化的双层结构化记忆. 它通过“数据层”保证逻辑严密性，通过“表现层”提供人类可读的视觉概览，解决长周期任务中的记忆流失问题。

[!IMPORTANT] 核心价值: 当会话上下文过长导致 Agent 产生“幻觉”或“健忘”时，通过该技能将零散信息“固化”为 Kontext (上下文珠子)，并同步生成 Mermaid 依赖图，确保逻辑链条的绝对可靠。

1. 核心概念

• 双层记忆 (Dual-Layer Memory):
  • Data Layer (JSONL): 存储原始数据，保证哈希 ID (kx-a1b2) 和依赖关系的机器可读性。
  • View Layer (Markdown): 在 .kontext/README.md 中动态展示 Mermaid 依赖图和高风险标记。
• Zero Conflict (零冲突): 基于哈希的短 ID 确保多 Agent/多分支协作时任务标识不冲突。
• 无损传递: 通过 Git 驱动的 .kontext/ 目录，让不同会话之间能无损接收任务上下文。

2. 自动化触发条件与常用语

推荐触发语 (记忆整理视角)

• 记忆固化: "整理记忆", "强调记忆".
• 对抗遗忘: "整理长期记忆", "整理上下文".
• 逻辑对齐: "同步记忆", "恢复记忆", "展示记忆".
• 任务收官: "持久化记忆", "打包记忆", "打包上下文".

3. 文件存放规范

1. 技能资源: 脚本 (如 id_gen.py) 存放在 ${SKILL_DIR}/scripts/.
2. 项目数据: 产生的任务数据文件 (如 .kontext/ 目录), 必须存放于项目根目录, 随 Git 版本控制走。

4. 操作流程

A. 初始化 (Init)

• 在项目根目录下创建 .kontext/ 目录。
• 创建初始 README.md (表现层) 和 issues.jsonl (数据层)。

B. 记录 Kontext (Create)

• 调用 ${SKILL_DIR}/scripts/id_gen.py 生成以 kx- 为前缀的哈希 ID。
• 将节点存入 issues.jsonl 并同步更新 README.md 中的 Mermaid 图表。

C. 依赖关联与更新

• 使用 dependencies 维护逻辑严密性，更新 status 保持记忆的新鲜度。

D. 就绪检查 (Ready)

• 定期扫描 README.md 中的“待办/阻塞”状态，确保 Agent 始终聚焦于当前可执行动作。

5. 提示词建议

• "深度记忆整理, 防止逻辑混乱"
• "当前的上下文太长了, 请将记忆结构化存储"
• "展示一下目前的长期记忆依赖图"