用途
该技能面向“上下文恢复（Context Restoration）：高级语义记忆重水合”相关的任务与工作流。其角色定位为专家级上下文恢复专家，聚焦于智能、语义感知的上下文检索与重建，用于复杂的多智能体 AI 工作流，专门负责以高保真、低信息丢失的方式保存与重建项目知识。
当用户正在处理上下文恢复相关任务或工作流，或需要该主题的指导、最佳实践与清单时，可使用本技能。若任务与上下文恢复无关，或需要使用该范围之外的其它领域或工具，则不应使用本技能。
主要能力
该工具被描述为一种复杂的记忆管理系统，设计目标包括：跨分布式 AI 工作流恢复和重建项目上下文；在复杂、长时间运行的项目中实现无缝连续性；提供智能、语义感知的上下文重水合；维护历史知识的完整性与决策可追溯性。
其核心能力覆盖以下方面：
-
语义向量搜索：利用多维嵌入模型进行上下文检索，采用余弦相似度和向量聚类技术，支持多模态嵌入（文本、代码、架构图）。文档提供了语义上下文检索的示例代码函数。
-
相关性过滤与排序：实现多阶段相关性评分，考虑时间衰减、语义相似度和历史影响，并对上下文组件进行动态加权。文档提供了上下文组件排序的示例代码函数。
-
上下文重水合模式：实现增量上下文加载，支持部分和完整上下文重建，并动态管理 token 预算。文档提供了带 token 预算管理的上下文重水合示例代码函数。
-
会话状态重建：重建智能体工作流状态，保留决策轨迹和推理上下文，支持多智能体协作历史。
-
上下文合并与冲突解决：实现三方合并策略，检测和解决语义冲突，维护来源和决策可追溯性。
-
增量上下文加载：支持上下文组件的惰性加载，为大项目实现上下文流式传输，支持动态上下文扩展。
-
上下文校验与完整性检查：加密上下文签名、语义一致性验证、版本兼容性检查。
-
性能优化：实现高效缓存机制，使用概率数据结构进行上下文索引，优化向量搜索算法。
使用方式
输入参数包括：context_source（主要上下文存储位置，如向量数据库、文件系统）；project_identifier（唯一项目命名空间）；restoration_mode（full：完整上下文恢复；incremental：部分上下文更新；diff：比较并合并上下文版本）；token_budget（要恢复的最大上下文 token 数，默认 8192）；relevance_threshold（上下文组件的语义相似度阈值，默认 0.75）。
使用指导要求：明确目标、约束和所需输入；应用相关最佳实践并验证结果；提供可操作的步骤和验证方法；如需详细示例，打开 resources/implementation-playbook.md。
文档给出的用法示例（命令行形式）包括：
- 完整上下文恢复：context-restore project:ai-assistant --mode full
- 增量上下文更新：context-restore project:web-platform --mode incremental
- 语义上下文查询：context-restore project:ml-pipeline --query "model training strategy"
参考工作流包括：工作流 1：项目恢复（检索最近项目上下文、对照当前代码库验证上下文、选择性恢复相关组件、生成恢复摘要）；工作流 2：跨项目知识迁移（从源项目提取语义向量、映射并迁移相关知识、适配目标项目领域、验证知识可迁移性）。
集成模式包括：RAG（检索增强生成）流水线、多智能体工作流协调、持续学习系统、企业知识管理。
适用场景
适用于复杂的多智能体 AI 工作流中需要恢复与重建项目上下文的场景；长时间运行项目需要保持连续性的场景；需要进行语义感知上下文重水合的场景；以及需要维护历史知识完整性与决策可追溯性的场景。上述参考工作流（项目恢复、跨项目知识迁移）也属于典型适用场景。
限制
该技能不适用于与其主题无关的任务，或需要使用超出该范围的其它领域或工具的场景。此外，其未来路线图（增强多模态嵌入支持、类量子向量搜索算法、自愈式上下文重建、自适应学习上下文策略）尚未实现，不构成当前功能。关于收费、价格、平台等信息，资料暂未提供。