上下文压缩后的记忆恢复锚点

通过扫描记忆文件快速恢复上下文，解决Agent上下文压缩后的迷失问题，让工作无缝衔接

基本信息

• 技能名称?Context Anchor
• 中文名称?上下文压缩后的记忆恢复锚点
• 作者?boscoeuk
• 分类?其他
• 版本?1.0.0
• 标签?context-management, memory-recovery, bash, agent-workflow, productivity

使用方法

使用说明
核心用法
Context Anchor 是一个纯 Bash 脚本工具，用于在上下文压缩后帮助 Agent 快速恢复工作状态。它通过扫描预定义的记忆文件路径（ memory/current-task.md 、日期日志、 context/active/*.md ），提取当前任务状态、活跃文件、近期决策和待办事项，生成结构化的 "Where You Left Off" 简报。
显著优点

1. 零依赖设计 ：仅使用标准 Unix 工具（find、grep、date 等），跨平台兼容 macOS 和 Linux
2. 模块化输出 ：支持 --task 、 --decisions 、 --loops 等参数按需获取信息，避免信息过载
3. 智能扫描规则 ：自动识别 "Decision:"、"Decided:"、"✅" 标记决策，"?"、"TODO:"、"Blocker:" 标记待办
4. 与 Agent 工作流深度整合 ：可直接嵌入 AGENTS.md 的 "Every Session" 例行程序
   潜在局限
   依赖用户遵循特定的文件命名和目录结构约定
   纯文本匹配，无法理解语义相似性
   无法处理已被物理删除的文件
   对于长期项目，默认 2 天回溯可能不足以捕捉完整上下文
   适合人群
   使用文件系统记忆架构的 AI Agent 用户
   需要频繁处理上下文压缩场景的长期对话用户
   多 Agent 协作场景下的任务交接
   常规风险
   低风险。工具只读取文件不写入，但需注意：
   扫描路径若包含敏感信息（如 API 密钥）会在输出中暴露
   建议配合 .anchorignore 或路径白名单控制扫描范围