15.2 Skills 上下文管理
上下文管理概述
上下文管理是 Skills 能够理解项目、代码和用户需求的关键机制。本节将深入探讨 Skills 如何收集、存储、检索和利用上下文信息。
上下文类型
1. 项目上下文
1.1 项目结构
项目结构上下文
包含信息
- 目录层次结构
- 文件组织方式
- 模块划分
- 资源位置
收集方式
- 扫描文件系统
- 解析目录结构
- 识别关键目录
- 构建结构树
python
### 示例
bash
├── src/
│ ├── main.py
│ ├── utils/
│ │ ├── helpers.py
│ │ └── validators.py
│ └── api/
│ ├── routes.py
│ └── models.py
├── tests/
│ ├── test_main.py
│ └── test_utils.py
├── docs/
│ └── api.md
├── config/
│ ├── settings.py
│ └── logging.yaml
├── requirements.txt
├── setup.py
└── README.md
~~~#### 1.2 技术栈
## 技术栈上下文
### 包含信息
- 编程语言
- 框架和库
- 构建工具
- 测试框架
- 部署平台
### 收集方式
- 解析依赖文件
- 检测配置文件
- 分析导入语句
- 识别工具链
### 示例
~~~`yaml
`yaml
technology_stack:
language: Python
version: "3.9"
frameworks:
- Flask 2.3.0
- SQLAlchemy 2.0.0
libraries:
- requests 2.28.0
- numpy 1.24.0
build_tools:
- setuptools
- wheel
test_frameworks:
- pytest 7.3.0
- pytest-cov
deployment:
- Docker
- Kubernetes
#### 1.3 配置信息
## 配置上下文
### 包含信息
- 应用配置
- 环境变量
- 构建配置
- 部署配置
### 收集方式
- 读取配置文件
- 解析环境变量
- 分析设置文件
- 检测 CI/CD 配置
### 示例
~~~`python
`python
# config/settings.py
class Config:
DEBUG = False
TESTING = False
DATABASE_URI = os.getenv('DATABASE_URI')
SECRET_KEY = os.getenv('SECRET_KEY')
LOG_LEVEL = os.getenv('LOG_LEVEL', 'INFO')
class DevelopmentConfig(Config):
DEBUG = True
class ProductionConfig(Config):
DEBUG = False
### 2. 代码上下文
#### 2.1 代码结构
## 代码结构上下文
### 包含信息
- 模块组织
- 类层次结构
- 函数定义
- 变量作用域
### 收集方式
- 解析源代码
- 构建抽象语法树（AST）
- 分析符号表
- 追踪依赖关系
### 示例
```
src/
├── main.py
│ ├── class Application
│ │ ├── method __init__
│ │ ├── method run
│ │ └── method shutdown
│ └── function main
├── utils/
│ ├── helpers.py
│ │ ├── function format_date
│ │ └── function validate_email
│ └── validators.py
│ └── class Validator
│ ├── method validate
│ └── method sanitize
```python
```> > ~~~
#### 2.2 代码依赖
## 代码依赖上下文
### 包含信息
- 导入关系
- 函数调用
- 类继承
- 模块引用
### 收集方式
- 分析 import 语句
- 追踪函数调用
- 解析类定义
- 构建依赖图
### 示例
~~~`python
`python
# 依赖图
main.py
├─> utils/helpers.py
│ ├─> datetime (标准库)
│ └─> utils/validators.py
│ └─> re (标准库)
├─> api/routes.py
│ ├─> flask (外部库)
│ └─> api/models.py
└─> config/settings.py
└─> os (标准库)
```> >
~~~
#### 2.3 代码模式
## 代码模式上下文
### 包含信息
- 设计模式
- 编码风格
- 命名约定
- 代码规范
### 收集方式
- 模式识别算法
- 风格分析
- 命名分析
- 规则检查
### 示例
~~~`yaml
`yaml
code_patterns:
design_patterns:
- singleton: Application
- factory: create_validator
- strategy: validate_input
coding_style:
naming_convention: snake_case
max_line_length: 88
docstring_style: Google
conventions:
- use_type_hints: true
- include_docstrings: true
- follow_pep8: true
```> > ~~~
### 3. 用户上下文
#### 3.1 用户偏好
## 用户偏好上下文
### 包含信息
- 编码风格偏好
- 工具使用偏好
- 输出格式偏好
- 交互方式偏好
### 收集方式
- 读取用户配置
- 分析历史操作
- 收集用户反馈
- 学习使用模式
### 示例
~~~`yaml
`yaml
user_preferences:
coding_style:
language: Python
style_guide: PEP8
formatter: black
linter: pylint
output_preferences:
format: markdown
verbosity: normal
include_code_blocks: true
interaction_preferences:
auto_confirm: false
show_progress: true
color_output: true
```> >
~~~
#### 3.2 历史记录
## 历史记录上下文
### 包含信息
- 执行过的命令
- 使用过的 Skills
- 修改过的文件
- 生成的内容
### 收集方式
- 记录操作日志
- 追踪文件变更
- 统计使用频率
- 分析操作模式
### 示例
~~~`json
`json
{
"history": [
{
"timestamp": "2024-01-15T10:30:00Z",
"command": "claude --skill code-review --file src/main.py",
"skill": "code-review",
"files": ["src/main.py"],
"result": "success"
},
{
"timestamp": "2024-01-15T10:35:00Z",
"command": "claude --skill generate-tests --file src/utils.py",
"skill": "generate-tests",
"files": ["src/utils.py", "tests/test_utils.py"],
"result": "success"
}
]
}
```#### 3.3 学习进度
~~~
markdown
## 学习进度上下文
### 包含信息
- 掌握的 Skills
- 常用的功能
- 遇到的问题
- 改进建议
### 收集方式
- 跟踪使用情况
- 分析错误模式
- 收集反馈
- 评估熟练度
### 示例
learning_progress:
mastered_skills:
- code-review: 85%
- generate-tests: 70%
- refactor: 60%
frequently_used:
- code-review: 45
- generate-tests: 30
- format-code: 25
common_issues:
- type: parameter_validation
frequency: 10
suggestion: "使用 --help 查看参数说明"
improvement_suggestions:
- "尝试使用更多高级功能"
- "学习自定义 Skill 开发"
`> >
~~~
### 4. 会话上下文
#### 4.1 对话历史
~~~
markdown
## 对话历史上下文
### 包含信息
- 用户请求
- 系统响应
- 执行的操作
- 中间结果
### 收集方式
- 记录对话
- 追踪操作
- 保存结果
- 维护状态
### 示例
{
"conversation": [
{
"role": "user",
"message": "帮我审查 src/main.py 的代码质量",
"timestamp": "2024-01-15T10:30:00Z"
},
{
"role": "assistant",
"message": "正在执行代码审查...",
"action": "execute_skill",
"skill": "code-review",
"timestamp": "2024-01-15T10:30:01Z"
},
{
"role": "assistant",
"message": "审查完成！发现 5 个问题。",
"result": {...},
"timestamp": "2024-01-15T10:30:15Z"
}
]
}
`> >
#### 4.2 执行状态
~~~markdown
markdown
## 执行状态上下文
### 包含信息
- 当前任务
- 执行进度
- 中间结果
- 错误信息
### 收集方式
- 跟踪执行
- 记录进度
- 保存状态
- 捕获错误
### 示例
~~~yaml
```yaml
execution_state:
current_task:
skill: code-review
step: 3/5
status: in_progress
progress:
completed_steps:
- analyze_structure
- check_security
current_step: evaluate_quality
remaining_steps:
- generate_report
- save_results
intermediate_results:
issues_found: 3
security_issues: 1
quality_score: 75
errors: []
#### 4.3 资源状态
```markdown
## 资源状态上下文
### 包含信息
> - 打开的文件
> - 使用的工具
> - 占用的资源
> - 网络连接
### 收集方式
> - 监控资源
> - 追踪连接
> - 统计使用
> - 检测泄漏
### 示例
~~~yaml
```yaml
resource_state:
open_files:
- src/main.py
- src/utils.py
- tests/test_main.py
active_tools:
- read_file
- search_codebase
- run_command
resource_usage:
memory: "256MB"
cpu: "15%"
disk_io: "10MB/s"
network_connections:
- type: mcp
server: github
status: connected
## 上下文收集
### 收集策略
#### 1. 按需收集
## 按需收集策略
### 原则
- 只收集需要的上下文
- 避免不必要的开销
- 动态调整收集范围
### 实现方式
- 分析 Skill 需求
- 识别必需的上下文
- 延迟加载非关键上下文
- 按需扩展收集范围
### 示例
~~~`python
`python
def collect_context(skill_name, parameters):
# 分析 Skill 需求
requirements = analyze_skill_requirements(skill_name)
# 收集必需的上下文
context = {}
for req in requirements.required:
context[req] = collect_required_context(req)
# 延迟加载可选上下文
for req in requirements.optional:
if should_collect(req, parameters):
context[req] = collect_optional_context(req)
return context
```> >
~~~
#### 2. 增量收集
## 增量收集策略
### 原则
- 基于已有上下文
- 只收集变更部分
- 减少重复工作
### 实现方式
- 维护上下文快照
- 检测变更
- 只更新变更部分
- 复用未变更部分
### 示例
~~~`python
`python
def incremental_collect(previous_context, changes):
new_context = previous_context.copy()
for change in changes:
if change.type == "file_modified":
# 只更新变更的文件
new_context["code"][change.file] = analyze_file(change.file)
elif change.type == "file_added":
# 添加新文件
new_context["code"][change.file] = analyze_file(change.file)
elif change.type == "file_deleted":
# 删除文件
del new_context["code"][change.file]
return new_context
```> > ~~~
#### 3. 并行收集
## 并行收集策略
### 原则
- 同时收集多个上下文
- 提高收集效率
- 合理分配资源
### 实现方式
- 识别独立任务
- 并行执行
- 合并结果
- 处理依赖关系
### 示例
~~~`python
`python
async def parallel_collect(context_types):
tasks = []
# 创建并行任务
for ctx_type in context_types:
if is_independent(ctx_type):
task = asyncio.create_task(collect_context(ctx_type))
tasks.append(task)
# 等待所有任务完成
results = await asyncio.gather(*tasks)
# 合并结果
context = merge_results(results)
return context
```> >
~~~
### 收集优化
#### 1. 缓存机制
## 缓存机制
### 缓存策略
- 内存缓存（快速访问）
- 磁盘缓存（持久化）
- 分布式缓存（多节点）
### 缓存键
- 上下文类型
- 文件路径
- 时间戳
- 版本号
### 缓存失效
- 文件变更
- 配置更新
- 时间过期
- 手动清除
### 示例
~~~`python
`python
class ContextCache:
def __init__(self):
self.memory_cache = {}
self.disk_cache = DiskCache()
def get(self, key):
# 先查内存缓存
if key in self.memory_cache:
return self.memory_cache[key]
# 再查磁盘缓存
value = self.disk_cache.get(key)
if value:
self.memory_cache[key] = value
return value
return None
def set(self, key, value, ttl=3600):
# 设置内存缓存
self.memory_cache[key] = value
# 设置磁盘缓存
self.disk_cache.set(key, value, ttl)
```> > ~~~
#### 2. 智能过滤
## 智能过滤
### 过滤策略
- 相关性分析
- 重要性评分
- 优先级排序
- 数量限制
### 过滤维度
- 文件类型
- 代码复杂度
- 修改频率
- 使用频率
### 示例
~~~`python
`python
def filter_context(context, requirements):
filtered = {}
# 按相关性过滤
for item in context.items():
relevance = calculate_relevance(item, requirements)
if relevance > threshold:
filtered[item.key] = item.value
# 按重要性排序
sorted_items = sort_by_importance(filtered)
# 限制数量
limited = limit_items(sorted_items, max_items)
return limited
```> >
~~~
#### 3. 压缩技术
## 压缩技术
### 压缩策略
- 摘要压缩
- 去重压缩
- 结构压缩
- 算法压缩
### 压缩方法
- 提取关键信息
- 移除冗余数据
- 简化结构
- 使用压缩算法
### 示例
~~~`python
`python
def compress_context(context):
compressed = {}
for key, value in context.items():
# 摘要压缩
if is_large(value):
compressed[key] = summarize(value)
# 去重压缩
elif has_duplicates(value):
compressed[key] = deduplicate(value)
# 结构压缩
else:
compressed[key] = simplify_structure(value)
return compressed
```## 上下文存储
### 存储结构
#### 1. 层次结构
~~~
markdown
## 层次存储结构
### 存储层次
### 存储策略
- 热数据存内存
- 温数据存磁盘
- 冷数据存远程
### 示例
Context Storage
├── Memory Layer
│ ├── Current Session
│ ├── Active Skills
│ └── Frequently Used
├── Disk Layer
│ ├── Project Context
│ ├── User Preferences
│ └── Historical Data
└── Remote Layer
│ ├── Backup Data
│ ├── Shared Context
│ └── Archive Data
`````> >
~~~
#### 2. 索引结构
~~~markdown
markdown
## 索引结构
### 索引类型
- 文件索引
- 符号索引
- 依赖索引
- 时间索引
### 索引优化
- B+ 树索引
- 哈希索引
- 全文索引
- 倒排索引
### 示例
class ContextIndex:
def __init__(self):
self.file_index = BPlusTree()
self.symbol_index = HashIndex()
self.dependency_index = GraphIndex()
self.time_index = TimeSeriesIndex()
def add(self, context_item):
# 添加到多个索引
self.file_index.add(context_item.path, context_item)
self.symbol_index.add(context_item.symbols, context_item)
self.dependency_index.add(context_item.dependencies, context_item)
self.time_index.add(context_item.timestamp, context_item)
def query(self, query):
# 组合查询
results = []
if query.path:
results.extend(self.file_index.query(query.path))
if query.symbols:
results.extend(self.symbol_index.query(query.symbols))
return deduplicate(results)
`````> > ~~~
### 存储优化
#### 1. 增量更新
~~~markdown
markdown
## 增量更新
### 更新策略
- 检测变更
- 只更新变更部分
- 维护版本历史
- 支持回滚
### 实现方式
- 文件监控
- 变更检测
- 差异计算
- 增量应用
### 示例
def incremental_update(context, changes):
for change in changes:
if change.type == "modified":
# 计算差异
diff = calculate_diff(context[change.file], change.new_content)
# 应用差异
context[change.file] = apply_diff(context[change.file], diff)
elif change.type == "added":
# 添加新文件
context[change.file] = change.new_content
elif change.type == "deleted":
# 删除文件
del context[change.file]
return context
`````> >
~~~
#### 2. 版本控制
~~~markdown
markdown
## 版本控制
### 版本策略
- 时间戳版本
- 增量版本
- 标签版本
- 分支版本
### 版本操作
- 创建版本
- 切换版本
- 比较版本
- 合并版本
### 示例
class ContextVersionManager:
def __init__(self):
self.versions = {}
self.current_version = None
def create_version(self, label=None):
version = {
"id": generate_id(),
"timestamp": datetime.now(),
"label": label,
"context": copy.deepcopy(self.current_context)
}
self.versions[version["id"]] = version
self.current_version = version["id"]
return version["id"]
def switch_version(self, version_id):
if version_id in self.versions:
self.current_version = version_id
self.current_context = copy.deepcopy(self.versions[version_id]["context"])
return True
return False
`````> > ~~~
## 上下文检索
### 检索策略
#### 1. 精确检索
~~~markdown
markdown
## 精确检索
### 检索方式
- 按键检索
- 按路径检索
- 按符号检索
- 按时间检索
### 示例
def exact_retrieve(context, query):
if query.type == "key":
return context.get(query.key)
elif query.type == "path":
return context.get_file(query.path)
elif query.type == "symbol":
return context.get_symbol(query.symbol)
elif query.type == "time":
return context.get_by_time(query.time_range)
`````> >
~~~
#### 2. 模糊检索
~~~markdown
markdown
## 模糊检索
### 检索方式
- 模糊匹配
- 相似度检索
- 语义检索
- 关联检索
### 示例
def fuzzy_retrieve(context, query):
results = []
for item in context.items():
# 计算相似度
similarity = calculate_similarity(item, query)
if similarity > threshold:
results.append((item, similarity))
# 按相似度排序
results.sort(key=lambda x: x[1], reverse=True)
return [item for item, _ in results]
#### 3. 组合检索
~~~
markdown
## 组合检索
### 检索方式
- 多条件组合
- 逻辑运算
- 权重组合
- 分级检索
### 示例
~~~python
```python
def combined_retrieve(context, query):
results = []
# 执行多个检索
for condition in query.conditions:
partial_results = retrieve(context, condition)
results.extend(partial_results)
# 应用逻辑运算
if query.operator == "AND":
results = intersect(results)
elif query.operator == "OR":
results = union(results)
# 应用权重
weighted_results = apply_weights(results, query.weights)
return weighted_results
### 检索优化
#### 1. 预计算
~~~`markdown
````markdown
## 预计算
### 预计算内容
> - 统计信息
> - 关联关系
> - 索引数据
> - 聚合结果
### 预计算时机
> - 上下文更新时
> - 定期批处理
> - 按需触发
### 示例
~~~python
```python
def precompute_context(context):
# 计算统计信息
stats = calculate_statistics(context)
context.statistics = stats
# 计算关联关系
relations = calculate_relations(context)
context.relations = relations
# 构建索引
index = build_index(context)
context.index = index
```> >
#### 2. 查询优化
~~~`markdown
`markdown
## 查询优化
### 优化策略
> - 查询重写
> - 执行计划优化
> - 索引选择
> - 结果缓存
### 示例
~~~python
```python
def optimize_query(query, context):
# 查询重写
optimized = rewrite_query(query)
# 选择最佳索引
best_index = select_best_index(optimized, context.indexes)
# 生成执行计划
plan = generate_execution_plan(optimized, best_index)
return plan
## 总结
Skills 的上下文管理是一个复杂而精密的系统，涉及多种上下文类型、收集策略、存储机制和检索方法。有效的上下文管理能够：
1. **提高准确性**：提供更准确的上下文信息
2. **提升性能**：优化上下文收集和检索效率
3. **增强体验**：提供更流畅的用户体验
4. **支持扩展**：为功能扩展提供基础
在下一节中，我们将探讨 Skills 与主代理的交互机制，了解 Skills 如何与主代理协同工作。
~~~