跨会话记忆桥：让 AI 助理跨会话接续项目上下文
跨会话记忆桥（@user_41b104fd/context-bridge-pro，v1.0.3）是 SkillHub 社区 ai-agent 类 Skill，无需 API Key。它作为主动 Agent 在后台记录多项目的进度、决策与待办，支持模糊匹配、别名与自动发现新项目，便于跨会话、跨设备接着聊。安装需按 skillhub.md 使用 skillhub CLI，并用 --dir 指向 Cursor、Claude Code 或 Codex 等对应的 skills 目录。装上后可用「继续上次」或官方列出的中英文触发词接续上下文，适合多项目并行与长周期任务；存储与同步细节以 Skill 实际行为为准。
閱讀全文Contextengineering：用 Skill 把 Agent 上下文當成工程問題
Contextengineering 是 SkillHub 社區 Skill（@user_3c6cb52e/context-engineering-lr-314c，v1.0.0），無需 API Key，幫助 Agent 按持久規則、規格文檔、源碼、錯誤輸出與對話歷史五層組織上下文。文章說明適用場景、核心層次與 CLAUDE.md 規則文件思路，並給出 skillhub 安裝命令及 Cursor、Claude Code、Codex 的 skills 目錄。註明發佈包 SKILL.md 存在截斷，安裝時需覈對命名空間。
閱讀全文上下文工程 Agent 技能：爲 Agent 任務補齊上下文工程指引
本文介紹 SkillHub 社區技能「上下文工程 Agent 技能」（@user_3c6cb52e/context-engineering-collection-lr-di68，v1.0.0，分類 ai-agent）。它基於通用 SKILL.md，面向需要爲 Agent 固化上下文工程約定的開發者。文章依據 SkillHub 頁面與安裝文檔說明 skillhub CLI 安裝、Cursor/Claude Code/Codex 的 skills 目錄、requires_api_key=false 等可覈對事實；因公開頁未展示技能正文，核心能力與示例以安裝後本地 SKILL.md 爲準。
閱讀全文evaluation Skill：爲 Agent 系統搭建可復現的評估框架
evaluation 來自 Agent Skills for Context Engineering，指導爲 Agent 系統設計可復現的評估體系：以結果爲導向、多維量表加權、確定性檢查優先於 LLM 評判，並覆蓋測試集分層、持續評測與生產監控。文章說明何時啓用、與 advanced-evaluation 等 Skill 的分工，以及 Cursor、Claude Code、Codex 下的目錄級安裝方式，並摘錄官方僞代碼示例與常見評測陷阱。
閱讀全文context-fundamentals：上下文工程的基礎心智模型
context-fundamentals 是 muratcankoylan 開源合集 Agent Skills for Context Engineering 中的奠基 Skill，用 SKILL.md 定義上下文在推理時的完整組成（系統提示、工具定義、檢索文檔、消息歷史、工具輸出），並建立「有限注意力預算」與 U 型注意力曲線等心智模型，強調信號質量優於堆砌 token。文章說明何時應激活本 Skill、與 context-degradation 等運維 Skill 的路由關係，以及 Claude Code 插件市場、Cursor 與 Codex 下的目錄級安裝方式，並給出官方 system prompt 分區示例與閱讀順序，適合作爲上下文工程系列的開篇背景閱讀。
閱讀全文multi-agent-patterns：多 Agent 協作架構與上下文隔離
multi-agent-patterns 來自 Agent-Skills-for-Context-Engineering，面向需上下文隔離、監督者或蜂羣協調、顯式 handoff 與並行執行的多 Agent 系統設計。Skill 強調子 Agent 首要用於隔離上下文而非角色扮演，並歸納 Supervisor/Orchestrator、Peer-to-Peer/Swarm、Hierarchical 三種模式及選型權衡。資料涵蓋傳話遊戲問題與 forward_message 直通、token 相對單 Agent 的消耗提醒，以及與 project-development、hosted-agents 等相鄰 Skill 的邊界。適合在生產級多組件 Agent 中做架構決策與基線評測的開發者。
閱讀全文self-improvement-loops：當 Harness 本身成爲優化目標
self-improvement-loops 是 Agent Skills for Context Engineering 在 2.4.0 新增的 Skill，面向 harness、工作流或優化器本身成爲優化目標的場景。文章說明其優化階梯、循環外評測不變量、held-in/held-out 實證接受門控、文件系統經驗檔案與失敗驅動三階段自編輯，並給出 Cursor、Claude Code、Codex 下的目錄安裝方式及官方示例，幫助與 harness-engineering、evaluation 等相鄰 Skill 分工協作。
閱讀全文harness-engineering：爲自主 Agent 設計運行框架
harness-engineering 是 Agent Skills for Context Engineering 中的 Skill，用於設計自主 Agent 的運行框架：區分鎖定/可編輯/僅追加/人控四類表面，建立緊反饋環與持久 THREAD 日誌，配合新穎性門控、剪枝、回滾與 PR 準備，並明確人類對合並與部署的審批邊界。文章基於官方 SKILL.md 梳理 Autoresearch 與 Research-To-Skill 兩種循環、抗指標博弈要點及目錄佈局，說明何時啓用及與 evaluation 等相鄰 Skill 的分工。
閱讀全文memory-systems：Agent 持久記憶與檢索架構設計指南
memory-systems 是 Agent Skills for Context Engineering 集合中的 Memory System Design 指南，面向跨會話語義記憶、實體一致性、時序有效性、圖/向量與混合檢索及記憶整合。文章說明其定位、啓用邊界、記憶層級與框架選型表、整合與 JIT 加載原則，並給出 Mem0、時序圖與 Cognee 官方示例及 Claude Code、npx skills 等加載方式，強調從淺層起步、用 LoCoMo/LongMemEval 驗證後再加深架構。
閱讀全文dsh-context-engineering：基於五層層級的上下文工程策劃
`dsh-context-engineering` 是一個 DSH 插件，旨在通過主動策劃機制優化 agent 輸入信息。它受 agent-skills 項目啓發，專注於上下文工程，核心能力在於將輸入信息按五層層級進行結構化組織，確保 agent 在處理任務前獲取經過篩選和規劃的信息。插件以當前進程權限運行，適用於開發階段需嚴格控制上下文的場景，目前因 README 抓取失敗暫未提供安裝命令及示例。
閱讀全文Graphify：把代碼庫、文檔、Schema 轉成可查詢知識圖譜的 Agent Skill
2026年8月初 GitHub Trending 走熱的 Graphify，通過 tree-sitter 本地 AST 與 Leiden 社區檢測，將代碼、文檔、SQL Schema、PDF 等構建爲可查詢知識圖譜，以 /graphify Skill 集成 Claude Code、Cursor、Codex 等 Agent。本文覈實其 Trending 背景與官方能力邊界，對比向量 RAG，並給出 uv 安裝、Skill 註冊與 query/path/explain 查詢的上手步驟，幫助大代碼庫場景下的上下文工程選型。
閱讀全文模型不是勝負手：2026 年中 CLI 編碼 Agent 的 Harness 之爭
2026 年中，CLI 編碼 Agent 社區的關注點從基座模型轉向 Harness——系統提示、重試邏輯、上下文壓縮與 Subagent 編排。Terminal-Bench 2.1 上 Claude Code 與 Codex CLI 以 83% 左右準確率膠着，同一模型在不同 Harness 下分數可差數個百分點。本文梳理 Harness 概念，對照 Claude Code、Codex CLI、OpenCode、Copilot CLI 四條路線，並說明上下文壓縮爲何成爲隱形戰場，幫助開發者按場景選型。
閱讀全文