用途：解决长智能体会话的两个问题——上下文无限膨胀（Bloat）和压缩时丢失关键事实（Rot）。整套工具核心是 ContextLedger（有 token 预算上限的评分缓存加分层持久化），配合负责写入和刷出的钩子。
主要能力：确定性捕获（harvest.py，不用模型），只抓高精度信号，如最新用户请求、以 DECISION: CONSTRAINT: QUESTION:/OPEN: TASK:/TODO: NOTE: FILE: 开头的标记行、以及 file.ext:line 引用；有硬性 token 上限，超出预算的固定卡片溢出到冷层；压缩前刷新无损摘录，会话开始时注入摘录而非原始历史。
安装：一次性运行 scripts/install.sh /path/to/project（项目范围）或 scripts/install.sh --global（全局，经 ~/.claude）。两种模式幂等，复制核心文件、合并三个钩子到 settings.json（保留已有钩子）、运行 27 项测试作为安装门槛。需 python3（仅标准库）与 jq（缺 jq 时写 settings.hooks.json 手动合并）。安装后重启 Claude Code，全局安装还需把 .context/ 加入各仓库 .gitignore。
钩子节奏：Stop 每回合捕获并刷盘；PreCompact 在压缩前刷新摘录；SessionStart 在会话开始或恢复时注入摘录。安装后无需再次调用此技能。
限制：记忆始终按项目隔离；与同类 world-model-ledger 技能在同一仓库共装可能互相覆盖文件，需先读 references/interop.md；若替换基于模型的自动摘要器，先移除其钩子再安装。需 Python 3.10 或更新，未通过测试门槛则保证不成立。