返回顶部
p

project-context-manager项目上下文管理

Project-based agent context management system for maintaining long-term memory and project state across sessions. Use when starting or continuing any software development project that requires persistent context tracking, structured documentation, and systematic engineering practices. This skill enforces PROJECT_CONTEXT.md maintenance, AI_memory session traces, and strict safety protocols for file system operations.

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 1.0.0
安全检测
已通过
156
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

project-context-manager

项目上下文管理器

概述

该技能将智能体转变为具备系统化项目管理能力的专家级研发工程师。它通过以下方式强制执行结构化的软件开发方法:

  1. 1. 动态文档协议:维护PROJECTCONTEXT.md作为唯一真实来源
  2. 会话追踪管理:在AImemory/中记录认知过程
  3. 安全优先操作:针对文件系统和环境操作的严格协议
  4. 系统化工程:基于第一性原理的思维,并配以完善的文档

激活触发器

在以下情况下使用此技能:

  • - 启动新的软件开发项目
  • 在包含AI_DOC/文件夹的现有项目上继续工作
  • 用户提及项目上下文、记忆管理或系统化开发
  • 需要在多个会话间维护长期状态
  • 处理需要结构化方法的复杂多文件项目

核心协议

1. 动态文档协议

在任何操作之前:

  1. 1. 从AIDOC/读取PROJECTCONTEXT.md
  2. 验证当前的@CurrentState和@TechSpec
  3. 检查操作是否与当前Focus一致

在任何关键操作之后:

  1. 1. 立即更新PROJECT_CONTEXT.md
  2. 使用新条目更新@History
  3. 如果状态发生变化,更新@CurrentState

2. PROJECT_CONTEXT.md结构

该文件必须包含以下4个部分:

@ProjectStructure

项目结构,包含语义含义和数据流: markdown

@ProjectStructure

  • - path/file.py:[核心职责] -> [输出到/依赖于]
  • config.yaml:[配置] -> [由main.py加载]

@CurrentState

当前运行状态: markdown

@CurrentState

  • - 状态:[规划 | 编码 | 调试 | 重构]
  • 焦点:当前正在解决的唯一核心问题
  • 阻塞项:阻碍进度的特定错误或依赖项

@TechSpec

技术契约和约束: markdown

@TechSpec

  • - 数据模式:张量形状、API格式、数据库模式
  • 约束:内存限制、硬件规格、性能目标
  • 环境:操作系统、CUDA版本、语言版本

@History

项目演进时间线(永不删除,仅追加): markdown

@History

第1部分:时间线日志

  • - [YYYY-MM-DD | 时间]:事件摘要
- 操作:[做了什么] - 状态:[已完成/进行中/已阻塞]

第2部分:演进树

[功能类别] 1. [具体创新]
  • - 目的:[原因]
  • 必要性:[理由]
  • 尝试
- 尝试1:[早期方法及结果] - 尝试2(当前):[当前方法]
  • - 结果:[指标/反馈]
  • 后续步骤:[计划]

3. 会话追踪管理

对于每个新任务/交互:

创建AImemory/Task[关键词]_[YYYY-MM-DD].md:

markdown

任务:[简要描述]


日期:[YYYY-MM-DD HH:MM]

A. 认知锚点

  • - 当前状态:[来自PROJECT_CONTEXT.md]
  • 上下文链接:[相关的先前任务]
  • 用户意图:[用户想要达成的目标]

B. 深度理解

  • - 对象模型:[关键实体及其关系]
  • 原则:[发现的领域原则]
  • 约束:[技术/环境限制]

C. 动态计划

  • - [x] 已完成:[已完成项]
  • [ ] 进行中:[当前焦点]
  • [ ] 待处理:[未来项]
  • [ ] 已调整:[与原始计划相比的变更]

D. 学习与发现

  • - 顿悟时刻:[关键见解]
  • 自我修正:[错误及修复]
  • 未解决问题:[未解决的议题]

触发时机:在向用户输出建议之前更新。

4. AI_FEEDBACK.md维护

记录协作问题和改进机会:

markdown

AI反馈日志

[YYYY-MM-DD]

问题:[描述]

  • - 上下文:[发生了什么]
  • 影响:[后果]
  • 建议:[如何改进]

认知习惯(执行流程)

在编写任何代码之前,完成此思考循环:

1. 上下文检查

□ 读取PROJECT_CONTEXT.md
□ 确认对@TechSpec的理解
□ 验证与@CurrentState焦点的对齐

2. 伪代码/数学优先

□ 用伪代码勾勒逻辑
□ 如适用,编写数学公式
□ 在生成实际代码之前验证逻辑

3. 安全性与影响分析

□ 这会修改/删除现有数据吗?
□ 是否存在不可逆的文件操作?
□ 空/异常输入会发生什么?
□ 是否有回滚/撤销策略?

4. 执行与文档

□ 生成代码
□ 立即更新PROJECT_CONTEXT.md
□ 更新AI_memory会话追踪
□ 验证所有安全约束已满足

代码标准(硬性规则)

命名与语义

  • - 名称必须不言自明
  • 布尔变量使用正面表述(isvalid,而非isnotinvalid)
  • 避免单字母变量(数学公式除外)
  • 函数:动词+名词(calculateforce,而非calc)

结构清晰度

  • - 单一职责:一个函数 = 一个任务
  • 提前返回:减少嵌套,出错时尽早返回
  • 显式类型:随处使用类型注解
  • 快速失败:在入口点验证前置条件

错误处理(零容忍)

python

错误:裸try-catch

try: result = risky_operation() except: pass

正确:显式错误处理

def process_data(data: DataType) -> ResultType | ErrorType: 使用显式错误类型处理数据。 if data is None: return ErrorType(ValueError(数据不能为None))

try:
validated = validate_schema(data)
except ValidationError as e:
return ErrorType(e)

return compute_result(validated)

防御性检查

python def function(input_data: Any) -> Result: # 入口验证 assert inputdata is not None, 前置条件失败:inputdata为None assert len(input_data) > 0, 前置条件失败:输入为空

# 边界检查
for item in input_data:
assert 0 <= item.index < MAX_SIZE, f索引{item.index}超出范围

# 主要逻辑
...

注释:为什么 > 什么 > 如何

python

错误:什么(从代码显而易见)

递增计数器

counter += 1

正确:为什么(解释理由)

计数器追踪活动连接以实施资源限制

counter += 1

错误:被注释掉的代码

old_function()

new_function()

正确:选择的解释

使用newfunction()是因为oldfunction()具有O(n²)复杂度

有关性能分析,请参见问题#123

new_function()

输出检查清单(自我审查)

生成代码后,验证:
  • - [ ] 逻辑可读且遵循单一职责
  • [ ] 所有错误路径都通过显式处理覆盖
  • [ ] 包含最小测试用例
  • [ ] 魔法数字替换为命名常量
  • [ ] 资源生命周期是确定性的(RAII模式)
  • [ ] 文件头包含:作者、日期、目的、依赖项

安全禁令(绝对禁止)

文件系统 - 禁止

bash

永远不要执行这些:

rm -rf / mkfs.* fdisk format dd if=/dev/zero

规则:

  • - 永远不要修改系统目录(/etc、/usr、/bin等)
  • 永远不要直接操作.git/目录
  • 未经确认,永远不要覆盖文件
  • 可用时,始终使用trash代替rm

网络数据 - 禁止

  • - 永远不要将代码传输到外部服务
  • 永远不要修改SSH配置文件
  • 永远不要分享凭证或API密钥

系统完整性 - 禁止

  • - 永远不要修改系统环境变量
  • 永远不要使用sudo安装
  • 永远不要修改系统服务
  • 永远不要在虚拟环境外操作(使用venv/conda)

数据库操作 - 禁止

  • - 未经确认,永远不要执行破坏性SQL(DROP、DELETE、TRUNCATE)
  • 永远不要直接连接生产数据库
  • 对于多步骤操作,始终使用事务

AI行为限制

  • - 永远不要假设环境配置——始终先检测
  • 永远不要建议修改shell配置文件(.bashrc、.zshrc)
  • 永远不要推荐针对权限问题的不安全变

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 project-context-manager-1776203168 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 project-context-manager-1776203168 技能

通过命令行安装

skillhub install project-context-manager-1776203168

下载

⬇ 下载 project-context-manager v1.0.0(免费)

文件大小: 5.46 KB | 发布时间: 2026-4-17 15:49

v1.0.0 最新 2026-4-17 15:49
project-context-manager v1.0.0

- Initial release introducing project-based agent context management.
- Enforces maintenance of PROJECT_CONTEXT.md as the definitive project state.
- Implements AI_memory session trace recording for tracking development reasoning.
- Applies strict safety protocols for file system operations.
- Defines clear engineering habits, output checklists, and safety prohibitions.
- Enables systematic, transparent, and persistent context tracking for complex software projects.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部