藏在《Compact with Memory》里的Skill

技能描述

正确执行 /compact——生成高质量的对话摘要,完整保留推理过程、决策背景和当前状态,同时在压缩前通过记忆预处理持久化机构知识。

Skill.md

Compact with Memory

标准的 /compact 会把对话历史替换成一份摘要——速度快,但有损耗。你花了几个小时讨论出来的架构决策、放弃的方案、用户纠正过你的行为规则,全部消失。下次 session 从零开始。

这个 skill 在压缩前加了两件事:记忆预处理(把机构知识写入持久化文件)和结构化 8 节摘要(让新 session 能直接继续工作)。核心原则是只持久化读代码和看 git 历史推不出来的内容——其他的都是噪音。

四类信号

类型内容示例
feedback协作规则(修正 + 确认)"不要 auto-retry Stripe 调用";"用这种方式 OK,保持"
project进行中的工作、决策背后的理由、放弃的方案"选择乐观锁,因为悲观锁在这个版本会死锁"
user用户的角色、领域知识、偏好"资深后端工程师,第一次接触这个项目的 React 部分"
reference外部系统指针"Bug 在 Linear INGEST 项目追踪"

执行步骤

Step 1 — 记忆预处理

扫描对话,提取无法从代码或 git 历史推导出的信号。现在写入 memory 文件——压缩后这些内容将消失。质量标准:缺少 Why: 的信号跳过。一条好记忆胜过五条泛泛的记录。

Step 2 — 生成摘要

摘要将替换整个对话历史。它必须自包含:只读这份摘要的新 session 应该能直接继续工作,不需要追问发生了什么。

八个节——有内容的都要写:

  1. Task(任务) — 在做什么,以及为什么——是目标,不是执行步骤
  2. Current state(当前状态) — 会话结束时的确切状态:哪些完成了,哪些没完成,哪些进行中。最关键的节——必须反映对话的终点,而不是起点
  3. Key decisions(关键决策) — 做出的选择及其背后的理由,尤其是不显而易见的决策
  4. Eliminated approaches(放弃的方案) — 尝试过但排除的方案,以及为什么——防止下次 session 重复踩坑
  5. Open questions / blockers(待解决问题) — 未解决的问题和阻塞项,下次 session 需要优先处理
  6. Files changed(改动文件) — 修改了哪些文件,每个文件改了什么
  7. Next steps(下一步) — 按优先级排列的具体待办事项
  8. Context for next session(下次 session 的背景) — 其他一个新 session 需要知道但没放进上面的内容

摘要质量标准:

  • 只读这份摘要的新 session 能继续工作
  • 重推理而非罗列事实:记录为什么做决策,而不只是做了什么
  • 当前状态准确反映对话终点
  • 不填充:真的没内容的节直接省略
Step 3 — 执行 /compact

运行 /compact。在摘要注释中标注写入了哪些 memory:"Key decisions written to memory — see [filename] for [topic]。"

Step 4 — 汇报确认

报告:

  • Compact:已完成,一句话描述摘要涵盖的内容
  • Memory:写入/更新了几个文件,分别是哪些
  • MEMORY.md 行数:当前行数(必须在 200 行以内)

触发方式

  • /compact
  • 说"压缩上下文"、"compact 一下"
  • 当你看到 context 使用量接近上限
  • 在重要决策后的自然会话检查点

什么不应该保存

  • 代码模式、文件路径、架构概览——读代码可得
  • Git 历史、谁改了什么——git log 是权威来源
  • 调试过程或修复方案——代码是记录,commit message 有背景
  • 任何已在 CLAUDE.md 文件里记录的内容
  • 临时任务状态、当前 session 的进行中工作

边界测试:"如果是一个全新 session,在读任何代码之前就知道这件事,会有帮助吗?"如果没有——跳过。

与 memory-architect 的关系

compact-with-memory写入路径:在每次压缩时提取知识。memory-architect清理路径:当 MEMORY.md 积累了冗余、重复或过时条目时,做结构性重整。两者配合使用效果最好。

局限说明

这个 skill 依赖对话内容本身的质量——如果会话中的决策没有被明确表达过"为什么",提取出来的 memory 也会缺乏 Why: 背景。建议在做重要架构决策时主动说出理由,让 compact 时能提取到有价值的内容。

安装使用

安装指令

npx skills add simbajigege/book2skills/skills/compact-with-memory
OR

直接下载

相关技能

Tool Permission System AI Skill

为 agent 工具设计可配置的分层权限/安全系统:用一条权限流水线统一决定 allow / ask / deny,支持企业 / 用户 / 项目多作用域规则覆盖,并通过 hook 系统扩展。

Session Dream AI Skill

会话结束时的手动记忆提炼——从当前对话中提取关键决策、失败路径、新发现和当前阻塞,写入 MEMORY.md topic 文件。Claude Code autoDream 后台服务的手动触发版本。

Claude Code 记忆架构实现指南 AI Skill

将混乱的 MEMORY.md 重构为 Claude Code autoDream 内部使用的 2 层记忆架构 —— 保持常驻索引精简、主题文件按需加载,让 autoDream 提取代理正确去重和维护记忆。

Harness Step 1 — 创建 AGENTS.md 与知识库 AI Skill

扫描项目代码库,自动生成 AGENTS.md(agent 工作指南)和完整的 docs/ 知识库骨架,让 Claude Code 在任意新会话中 30 秒内定向,无需重复解释项目结构。

Compact Memory 实现指南 AI Skill

用 Anthropic API 或 Claude Agent SDK 为 Agent 实现 compact memory 的开发者指南——涵盖触发时机、fork compactor 模式、compact JSON schema 设计、...

Harness Step 2 — 填充 docs/ 知识库内容 AI Skill

深度阅读项目代码,将隐藏在代码里的架构知识、命名约定、技术决策显式写入 docs/ 各文件,让 agent 在任何 session 都能快速理解项目全貌,而不是靠猜测。

Harness Step 3 — 建立跨 Session 状态管理 AI Skill

创建 init.sh(环境健康检查)、tasks.json(结构化任务队列)和 progress.md(会话日志),解决 Claude Code 每次新对话失忆的问题,让任意 session 在 30 秒内完全恢复工作状态。

LangChain Tool Builder AI Skill

用 Claude Code 的 fail-closed 设计模式定义 LangChain(Python)工具——name、schema、权限、执行逻辑统一写在一个类里,自动走 validate → permission → call ...

Query Loop Implementation AI Skill

为 AI 应用实现可上线的 LLM query loop:工具调用、结构化 tool_result 回传、ReAct 循环、最大轮次退出、权限检查、超时、预算控制和 fatal error 终止路径。

一本书读懂财报 AI Skill

用肖星的三表联动框架分析企业财务报表,判断一家公司是否真正赚钱。适用于:解读资产负债表、分析现金流健康度、ROIC vs WACC好公司测试、跨行业财务比较。

商业冒险分析框架 AI Skill

运用约翰·布鲁克斯《商业冒险》(原书名《Business Adventures》)分析企业失败、市场恐慌、产品时机、治理缺口、监管风险、欺诈暴露、机构脆弱性和创新盲区。