用途：当智能体任务所需信息超出上下文窗口、工具输出膨胀、需要跨轮次持久状态或子智能体共享信息时，用文件系统作为持久化上下文层，实现写入一次、持久保存、按需检索。
主要能力：一是工具输出卸载，超过阈值（如约 2000 token）的输出写入 scratch 文件，只返回摘要与文件路径，再用 grep 和带行范围的 read_file 定向读取；二是计划持久化，把目标与步骤写入结构化文件（如 YAML），每轮或上下文刷新后重读以恢复方向；三是子智能体通过各自工作目录写文件、由协调者直接读取，避免多跳消息传递造成的信息损耗；四是动态技能加载，静态上下文只保留技能名与一句话描述，相关时再读取完整技能文件；五是终端与日志持久化，用 grep 定向查询；六是自我修改式学习，把偏好写入自身指令文件，但需校验并视为实验性。
使用方式：组合 ls/list_dir、glob、grep 与带行范围的 read_file 做上下文发现，结构性查询用文件系统搜索，概念性查询用语义搜索。文件按 scratch、memory、skills、agents 等目录组织，命名保持一致并带时间戳或 ID。
适用场景：工具输出超过约 2000 token、任务跨多轮、多智能体共享状态、技能或指令过大、日志需选择性查询。
限制：单轮即可完成、上下文本就宽裕、延迟敏感或模型不具备文件系统工具能力时不宜使用。需注意 scratch 目录无限增长、多智能体并发写冲突、文件移动后引用失效、glob 误匹配、未检查文件大小即读取、缺少存在性检查、草稿格式漂移、硬编码绝对路径等问题，并应测量 token 节省以验证效果。
该技能与语义记忆、上下文压缩、多智能体拓扑等相邻技能分工不同，具体实现细节与外部资源以原始资料为准。