给 Agent 装个记忆外挂，上下文不再 128K 撑爆

你有没有这种体验：跟 Claude Code 聊久了，前面说的需求、定义的工具、参考的文档，它转头就忘？要么靠你手动塞进 prompt，要么把对话历史越拉越长，最后直接撞到上下文窗口上限。

今天说的这个 skill，就是专门治这个问题的。

它是什么

dr-context-pipeline 是一个确定性记忆 / 上下文 pipeline，挂在你的 Agent 前面，像一个「记忆秘书」：用户消息进来，它先路由，再从本地记忆文件里检索相关片段，压缩成带来源引用的 Context Pack，过一遍 lint，最后再交给主模型。

亮点是全离线、零幻觉、可复现。所有记忆片段带 snippet ID，压缩结果可追溯；lint 门控防止脏上下文进入主模型；fallback 机制保证异常时不会直接崩掉。

适用场景

• 你的 Agent 需要长期记忆，但 prompt 已经塞不下了
• 多轮对话里，历史信息量太大，想自动摘要再喂给模型
• 要做 golden regression test，保证上下文压缩质量稳定
• 团队多人共用一套 skill，需要标准化记忆格式

怎么用

它要求你的记忆目录已经有 memory/always_on.md + 话题文件，装完之后直接说：

Apply dr-context-pipeline as default behavior.

然后它就会接管后续所有消息的上下文处理。用起来没什么心智负担，但上下文利用率会明显上一个台阶。

现在 Agent 生态越来越卷，谁的上下文管理更干净，谁的模型调用成本就更低。dr-context-pipeline 就是那个把「散装记忆」变成「结构化上下文」的管道工。

🐙 GitHub：knownasnaffy/prompthound

GitHub: https://github.com/knownasnaffy/prompthound/tree/main/dataset/case_00441