opencontext

OpenContext

当真正的问题是**“下一个 Agent 应加载、搜索或留下什么项目记忆包？”**时，请使用此技能。

这项工作的目的不是倾倒整个 oc CLI。 而是：

1. 如实判断记忆需求的类型，
2. 选择一个主要记忆包，
3. 加载最低限度的有用上下文，
4. 仅在需要时搜索过往决策，
5. 在完成有意义的工作后保存可复用的结论，
6. 立即将 wiki／图谱／保险库／仓库打包器相关请求转交出去。

处理不熟悉的记忆请求前，请阅读 references/intake-packets-and-route-outs.md。 如果首要问题是应该由哪个记忆层来处理该工作，请阅读 references/memory-layer-decision-guide.md。 如果任务是正在进行的项目记忆操作，请阅读 references/load-search-store-playbook.md。 如果多个记忆材料相互矛盾，或分支的新旧状态不明确，请阅读 references/trust-precedence-and-freshness.md。 如果实际任务是安装或接入 OpenContext，请阅读 references/setup-and-integration.md。

何时使用此技能

• 下一个 Agent 不应从零开始，需要先获取精简的项目记忆包
• 需要跨会话搜索仓库或项目决策、易错点、验收说明或约束
• 团队需要持久的跨 Agent 交接内容，指向正确的文档，而不是粘贴冗长的对话记录
• 工作需要清单或稳定链接，以说明当前应阅读哪些内容
• OpenContext 本身需要设置、仓库初始化或集成指导
• 用户正在 OpenContext、wiki、图谱层、保险库或仓库打包器工作流之间做选择

何时不使用此技能

• 主要任务是构建长期维护的 Markdown 知识库或研究 wiki → 使用 llm-wiki
• 主要任务是梳理代码／文档／媒体结构、生成 GRAPH_REPORT.md 或追踪关联关系 → 使用 graphify
• 主要任务是整理人工编写的笔记或保险库工作流 → 使用相应的笔记／保险库技能
• 主要任务是将仓库展平为单个提示词／摘要，供模型一次性使用上下文 → 使用负责该流程的仓库打包器工具或技能
• 主要任务是仓库自动化、脚本、钩子或周期性命令 → 使用 deployment-automation

指令

步骤 1：从手头已有的记忆包开始

使用 references/intake-packets-and-route-outs.md。

将请求归一化为以下一种记忆包类型：

• memory-layer-choice-packet — 用户正在 OpenContext、wiki、图谱、保险库或仓库打包器层之间做选择
• load-context-packet — 下一个 Agent 在开始工作前需要最精简且真实的优先阅读上下文
• search-context-packet — 当前任务需要过往决策、约束、易错点或验收说明
• store-conclusions-packet — 有意义的工作已完成，应保存可复用的成果
• setup-integration-packet — OpenContext 本身需要安装／初始化／集成指导
• repo-packer-route-out-packet — 请求实际涉及一次性的“仓库转提示词”打包，而非持续的项目记忆

记录最低限度的有效信息：

Packet: load-context-packet
Project scope: active repo
Goal: prepare the next coding agent
Current pain: repeated background + cold starts
Artifact preference: manifest + stable links

规则：从用户手头已有的记忆包开始。不要强迫每个请求都经历一堂完整的记忆分类讲解。

步骤 2：选择一种主要模式

为本次运行准确选择一种主要模式：

• memory-layer-choice
• load-context
• search-context
• store-conclusions
• setup-integration
• route-out

可选：指定一种次要模式，但不要把加载／搜索／保存／设置合并成一个庞大的答案。

步骤 3：判断这项工作是否应该由 OpenContext 负责

使用这个快速归属测试：

• 由 OpenContext 负责：主要需求是为 Agent 提供活跃项目／仓库记忆，例如小型优先读取资料包、可搜索的决策、交接说明、清单和稳定链接
• 由 llm-wiki 负责：主要需求是长期维护、经过综合整理的 Markdown 知识
• 由 graphify 负责：主要需求是结构图、关系追踪或图谱产物
• 由 Vault／笔记工具负责：主要工作流是人工编写笔记并进行编辑管理
• 由仓库打包工具负责：实际需求是“立即将这个仓库整理成一份提示词／摘要”

如果 OpenContext 不是合适的负责人，就立即转交，不要把它说成通用记忆层。

步骤 4：先加载，再创建

如果 OpenContext 已存在，先了解情况：

oc folder ls --all
oc doc ls <folder>
oc search "<topic>" --mode keyword --format json
oc context manifest <folder> --limit 10

查找：

• 已经负责项目／主题记忆的文件夹
• 现有的决策日志、注意事项、验收说明或交接文档
• 下一个 Agent 应该优先读取的最小实用文件集
• 如果多份笔记内容重叠，哪一份来源最可信

在进一步加载或搜索之前，先快速检查一次可信度：

• 优先级： 优先采用规范的仓库文档和当前决策日志，而非过时摘要
• 来源： 说明笔记来自人工维护的文档、当前交接内容、先前的 Agent 摘要，还是推断出的经验规则
• 时效性： 检查分支、发布、迁移或事件状态是否可能导致笔记失效

默认规则：先更新现有记忆文档，再创建用途相同的平行文档。

步骤 5：执行加载 → 搜索 → 存储循环

使用 references/load-search-store-playbook.md。

A. load-context

当下一个 Agent 需要最精简、准确的启动资料包时使用。

典型输出：

• 一条清单命令或优先读取资料包
• 一个文件夹建议
• 一份简短的优先阅读文档列表
• 一条可信度说明，指出最可信的来源以及任何过时风险警告

需要回答的问题：

• 哪个文件夹是项目记忆的存放位置？
• 应该优先阅读哪 3–10 份文档？
• 已有哪些约束或注意事项？
• 文档有冲突时，目前应以哪个来源为准？
• 分支或发布状态是否会使已保存的笔记存在风险？

B. search-context

当当前工作若不搜索就只能依赖猜测时使用。

典型搜索目标：

• 先前的决策
• 验收标准
• 环境特有问题
• 架构约束
• 发布说明或事件总结

默认做法：先尝试关键词搜索和清单。除非语料库规模和故障模式足以证明其合理性，否则不要直接构建嵌入或索引。

C. store-conclusions

有实质性进展后使用，而不是每次完成微小编辑后都使用。

实用的文档形式：

• decision-log.md
• pitfalls.md
• acceptance-criteria.md
• release-notes.md
• handoff-YYYY-MM-DD.md

实用的已存储笔记通常包含：

• 改动内容
• 做出该选择的原因
• 接下来需要验证的内容
• 后续所需的最少证据链接／引文
• 产物冲突时应以哪个来源为准，以及给下次会话的任何分支／时效性警告

步骤 6：妥善处理设置和集成

使用 references/setup-and-integration.md。

值得说明的核心命令：

npm install -g @aicontextlab/cli
# or
npx @aicontextlab/cli <command>

cd your-project
oc init
oc folder ls --all
oc doc create <folder> <doc>.md -d "Description"
oc search "query" --mode keyword --format json
oc context manifest <folder> --limit 10
oc doc link <doc_path>

只有在关键词搜索和清单不足、且索引成本合理时，才升级到嵌入／索引。

步骤 7：如实转交

常见的转交对象：

• llm-wiki — 叙事综合、实体／概念页面、索引／日志／架构规范
• graphify — 图谱产物、仓库／语料的结构映射、关系追踪
• Vault／笔记技能 — 以人为本的笔记整理与编辑
• 仓库打包工具（Repomix / Gitingest / Code2Prompt 风格工作流） — 一次性将仓库打包为提示词上下文
• deployment-automation — 定期脚本、仓库钩子和自动化，这些并非真正与记忆归属有关

如果用户说“把这个仓库打包成一个模型提示词”，那就不是 opencontext 的工作。 如果他们说“确保下一个 Agent 知道要加载什么、我们已经决定了什么，以及任务结束后要存储什么”，那就是。

步骤 8：返回一份简洁的项目记忆简报

首选格式：

# Project Memory Brief

## Packet
- Packet:
- Primary mode:
- Project horizon:
- Why OpenContext owns this (or route-out):

## Do now
1. ...
2. ...
3. ...

## Read / search / store targets
- Folder:
- Docs to read first:
- Search terms:
- Note to update or create:

## Trust check
- Highest-confidence source:
- Provenance:
- Freshness / branch warning:

## Route-outs
- ...

简短、确定的数据包胜过庞大的命令行百科全书。

输出格式

始终返回一份项目记忆简报、记忆层选择备忘录或 OpenContext 设置说明。

必备要素：

• 识别手头已有的数据包
• 选择一个主要模式
• 说明此任务是否由 OpenContext 负责，或是否应该转交
• 聚焦于最精简且真实的数据清单／搜索／存储数据包
• 存在重叠笔记时，指出可信度最高的来源
• 可能导致已保存记忆失效时，说明新鲜度／分支风险
• 仅将嵌入／索引构建作为升级处理的路径
• 更适合由其他记忆层或工具层处理时，指出下一位负责人

示例

示例 1：编码前加载项目记忆

输入

不同 Agent 会话之间的仓库背景信息总会丢失。我需要下一个编码 Agent 在动这个仓库之前先加载正确的文档。

输出草案

• 数据包：load-context-packet
• 主要模式：load-context
• 此任务由 OpenContext 负责，因为需求是为当前仓库记忆生成启动数据包
• 操作：确定文件夹，生成清单，列出优先阅读的 3–10 份文档，并在任务结束后留下交接说明

示例 2：选择记忆层

输入

这个产品项目应该使用 OpenContext、wiki、Obsidian 还是图谱工具？

输出草案

• 数据包：memory-layer-choice-packet
• 主要模式：memory-layer-choice
• 区分项目记忆、wiki、图谱与个人 Vault 各自的作用
• 仅将 OpenContext 用于当前项目／仓库记忆及交接数据包

示例 3：工作期间搜索旧决策

输入

修改这个发布流程之前，先搜索一下我们是否记录过部署限制或回滚说明。

输出草案

• 数据包：search-context-packet
• 主要模式：search-context
• 优先搜索现有决策日志／发布说明
• 在升级到任何索引处理之前，优先使用关键词搜索和清单

示例 4：真正的任务是一次性打包仓库

输入

把这个仓库转换成一条提示词，让我现在就能粘贴到模型里。

输出草案

• 数据包：repo-packer-route-out-packet
• 主要模式：route-out
• 转交给 Repomix / Gitingest / Code2Prompt 风格的工作流，而不是假装 OpenContext 是合适的工具

示例 5：发布分支上的记忆产物相互冲突

输入

README.md 写了一种部署步骤，CLAUDE.md 写了另一种，而且我们刚切换到发布分支。下一个 Agent 应该相信哪一份？

输出草案

• 数据包：load-context-packet 或 search-context-packet
• 指出可信度最高的来源，而不是将两份笔记混为一谈
• 说明来源依据，并指出分支／发布状态可能会导致较早的说明失效
• 存储一份简洁的交接说明，记录采用了哪个来源，以及哪些内容仍需核实

最佳实践

1. 选择 OpenContext，是因为工作流需要活跃项目／仓库记忆，而不是因为出现了“记忆”一词。
2. 优先更新现有文档，而不是创建重复内容。
3. 先加载最少但有用的上下文；清单优于庞杂且不加筛选的读取。
4. 当记忆文件内容重叠时，说明当前以哪个来源为准，以及原因。
5. 将分支／发布／事件状态视为新鲜度检查，而不是背景信息。
6. 在完成有意义的工作后存储决策，让下一次会话开始时少些歧义。
7. 保持文档结构可预测（decision-log、pitfalls、handoff、acceptance-criteria、release-notes）。
8. 将嵌入／索引构建视为升级手段，而不是默认做法。
9. 尽早将 Wiki、图谱、知识库和仓库打包器请求转交出去，而不是将它们硬塞进同一项技能。

参考资料

• 接收信息包与转交
• 记忆层决策指南
• 加载／搜索／存储操作手册
• 信任度、优先级与新鲜度
• 设置与集成说明
• OpenContext README
• OpenContext 使用文档
• Karpathy LLM Wiki gist
• Graphify README