用途：在代码重构及复杂多智能体 AI 工作流中，恢复和重建项目上下文，实现语义感知的上下文再水合，保持长周期项目的连续性与决策可追溯性。
主要能力：语义向量检索（多维嵌入、余弦相似度、向量聚类，支持文本、代码、架构图等多模态嵌入）；相关性过滤与排序（综合语义相似度、时间衰减、历史影响进行多阶段评分）；上下文再水合（增量加载、部分或完整重建、动态管理 token 预算）；会话状态重建（保留决策轨迹与推理上下文，支持多智能体协作历史）；上下文合并与冲突解决（三方合并、语义冲突检测、来源追溯）；增量加载（懒加载、流式加载、动态扩展）；校验与完整性检查（加密签名、语义一致性、版本兼容）；性能优化（缓存、概率数据结构索引、向量搜索优化）。
输入参数：context_source（上下文存储位置，如向量数据库或文件系统）、project_identifier（项目命名空间）、restoration_mode（full 完整恢复、incremental 部分更新、diff 比较合并）、token_budget（默认 8192）、relevance_threshold（默认 0.75）。
使用方式：先明确目标、约束与所需输入，应用相关最佳实践并验证结果，提供可执行步骤与验证方法；如需详细示例，可打开 resources/implementation-playbook.md。示例命令：context-restore project:ai-assistant --mode full；context-restore project:web-platform --mode incremental；context-restore project:ml-pipeline --query "model training strategy"。
适用场景：项目恢复、跨项目知识迁移、RAG 流水线、多智能体工作流协调、持续学习系统、企业知识管理。
限制：不适用于与上下文恢复无关的任务，或需要本范围之外其他领域与工具的场景。具体收费、价格、平台支持等信息暂未提供。