用途：该技能用于管理 AI 智能体自身的上下文窗口。资料把上下文窗口比作昂贵、易失、有限的 RAM，把上下文图谱比作廉价、持久、无限的磁盘，主张把已完成任务从窗口移入图谱，像维护 Git 仓库一样维护对话历史，避免随对话增长产生的噪声与失败尝试污染推理。
主要能力：提供三个工具。context_tag 类似 git tag，用于在稳定状态打书签，建议在风险变更前或新任务开始时使用；context_log 类似 git log，用于查看当前所处位置、标签序列与图谱状态，并获取可用于 checkout 的 ID；context_checkout 类似 git reset --soft，用于时间旅行与压缩历史，可回退错误、压缩低密度历史，并支持 backupTag 备份原始历史。
使用方式：资料给出循环流程——先用 context_log 检查状态，再用 context_tag 以语义化名称标记起点，执行步骤，在里程碑处再次打标签；当历史变得嘈杂或低密度时，用 context_checkout 压缩并配合 backupTag 备份，必要时再打完成标签。标签命名公式为 <task-slug>-<phase>，如 auth-login-start、db-schema-plan、auth-jwt-raw-history。checkout 消息建议包含关键发现或状态、原因、重要变更、下一步。资料还给出若干配方，如信息收集后立即压缩、任务完成后乐观清理、回退到备份标签查看细节、从干净状态尝试替代方案、清理失败路径。
适用场景：长对话、研究或日志分析、调试、任务切换、需要回滚到安全状态、需要压缩历史但保留可追溯细节的智能体工作流。
限制与注意：资料强调压缩是无损的，因为 backupTag 会保留原始历史；checkout 只重置对话历史，不重置磁盘文件，因此必须在消息中记录文件改动。反模式包括盲目打标签、过度打标签、囤积全部历史、反复道歉、猜测 ID、模糊摘要、通用标签名、遗漏下一步。资料未提供安装命令、平台支持、收费或价格信息。