agentleFS
loskyerttloskyertt/agent_skills/project-context-export/SKILL.md

project-context-export

Skill0 starsChanged 6 months agoMITView on GitHub

Analyze the current project and generate a structured Markdown project context summary including architecture decisions, completed work, pending tasks, important file modifications, technical rationale, and next-session onboarding information. Use when user asks to summarize the project, export project memory, continue work across sessions, or generate a handoff/context document.

The file

Files
SKILL.md

Project Context Export Skill

Overview

该 Skill 用于:

  • 总结当前项目状态
  • 导出长期上下文记忆
  • 生成可供后续新会话直接加载的项目 Markdown 文档
  • 帮助 AI Agent 快速恢复上下文
  • 用于多人协作交接(handoff)
  • 用于阶段性开发归档

最终输出应为:

PROJECT_CONTEXT.md

或:

SESSION_SUMMARY.md

格式的结构化 Markdown 文档。


核心目标

生成一个:

  • 可长期维护
  • 可快速阅读
  • 可供 Agent 恢复上下文
  • 包含技术决策依据
  • 包含当前进度与待办

的项目上下文文件。


工作流程

第一步:分析项目结构

必须优先分析:

pwd
ls
find . -maxdepth 2

重点识别:

  • 核心源码目录
  • 配置目录
  • 构建系统
  • 测试目录
  • 文档目录
  • 第三方依赖
  • examples/demo/tools/scripts

第二步:分析 Git 历史

执行:

git log --oneline -20
git status
git diff

目标:

  • 理解最近开发方向
  • 提取关键决策
  • 识别重要架构调整
  • 识别未提交工作
  • 识别当前开发阶段

第三步:分析核心文件

必须优先阅读:

  • README.md
  • CMakeLists.txt
  • package.json
  • pyproject.toml
  • requirements.txt
  • Cargo.toml
  • go.mod

以及:

  • 核心入口文件
  • 主架构模块
  • 当前高频修改文件

第四步:提取项目上下文

需要总结:

1. 项目目标

包括:

  • 项目用途
  • 核心业务目标
  • 当前开发阶段
  • 技术路线

2. 核心架构

包括:

  • 模块划分
  • 数据流
  • 依赖关系
  • 核心设计模式
  • 系统层次结构

例如:

  • Reactor
  • MVC
  • ECS
  • Pipeline
  • ProtoNet
  • Encoder-Decoder
  • Event-driven

等。


3. 关键技术决策

必须记录:

  • 为什么采用某方案
  • 为什么放弃某方案
  • 当前 compromise
  • 已知限制
  • 性能/复杂度权衡

重点关注:

  • 架构演进
  • 重构原因
  • 性能优化方向
  • 数据结构选择
  • 网络模型
  • 训练策略
  • 推理流程

4. 已完成内容

必须按模块整理:

## 已完成

### 网络层
- 完成 epoll Reactor 封装
- 支持 LT/ET 模式
- 新增连接池

### 日志系统
- 集成 g3log
- 支持异步 sink

要求:

  • 不遗漏关键成果
  • 说明技术意义
  • 说明当前稳定性

5. 当前进行中

包括:

  • 正在开发功能
  • 当前实验
  • 当前重构
  • 当前调试方向
  • 尚未验证部分

必须明确:

  • 当前卡点
  • 当前风险
  • 当前假设

6. TODO / 后续计划

按优先级输出:

## TODO

### 高优先级
- 修复 ET 模式连接泄漏
- 完成 PAP-FZS3D 原始实验复现

### 中优先级
- 增加单元测试
- 优化日志格式

### 低优先级
- 重构 examples 目录

7. 重要文件修改记录

输出:

## 重要文件

| 文件 | 修改内容 | 原因 |
|---|---|---|
| protonet_QGPA.py | 新增高度残差原型推理 | 利用森林垂直结构先验 |
| CMakeLists.txt | 集成 gtest/g3log | 完善工程化 |

必须说明:

  • 文件作用
  • 最近修改原因
  • 当前状态

8. 当前技术债务

包括:

  • 临时方案
  • hack 实现
  • 未抽象代码
  • 性能瓶颈
  • 重复逻辑
  • 已知 bug

9. 下一次会话建议

必须生成:

## 下一次会话建议

建议优先继续:

1. xxx
2. xxx
3. xxx

推荐首先阅读:
- xxx.cpp
- xxx.py
- xxx.md

目标:

帮助下一个 Agent 快速进入状态。


输出格式要求

必须输出:

  • 结构化 Markdown
  • 清晰标题层级
  • 可读性优先
  • 技术术语准确
  • 避免废话
  • 避免泛泛而谈

推荐输出结构

# 项目上下文总结

## 项目概述

## 当前开发阶段

## 核心架构

## 关键技术决策

## 已完成内容

## 当前进行中

## TODO

## 重要文件修改记录

## 技术债务

## 风险与限制

## 下一次会话建议

分析原则

必须遵守

  • 必须基于真实代码分析
  • 不允许凭空猜测
  • 优先关注核心模块
  • 优先关注近期修改
  • 必须结合 git 历史
  • 必须结合目录结构

高价值分析重点

Agent 应特别关注:

架构层

  • 模块边界
  • 耦合关系
  • 抽象层次
  • 核心数据流

工程层

  • 构建系统
  • 测试体系
  • CI/CD
  • 依赖管理

算法层(如存在)

  • 模型结构
  • 推理流程
  • loss 设计
  • 数据处理 pipeline
  • 训练策略
  • benchmark

性能层

  • 热路径
  • cache
  • IO
  • concurrency
  • GPU
  • memory

安全约束

禁止:

  • 修改代码
  • 自动 commit
  • 自动删除文件
  • 自动 refactor
  • 自动安装依赖

仅允许:

  • 读取
  • 分析
  • 总结
  • 生成 Markdown 文档

用户触发词

以下情况必须触发:

  • “总结当前项目”
  • “导出项目上下文”
  • “生成项目记忆”
  • “生成会话总结”
  • “输出项目 Markdown 总结”
  • “生成 handoff 文档”
  • “总结关键决策”
  • “生成下次会话上下文”

最终目标

让新的 Agent 或新的会话:

  • 5 分钟内理解项目
  • 快速恢复上下文
  • 明确当前状态
  • 理解关键决策
  • 知道下一步做什么

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.