agent-context-card
长会话上下文投影，减少Token消耗
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：agent-context-card。 它的用途是：长会话上下文投影，减少Token消耗 完整的 Skill 内容见：https://321skill.com/skills/agent-context-card/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'开始处理任务django__django-12345，从之前的会话继续'，agent-context-card会自动加载之前存储的计划和事实，同时清理上一轮已经完成的历史记录，只保留当前需要的文件读取和工具结果，从而大幅减少输入token。
介绍
这个Skill解决了AI编码代理在长会话中上下文膨胀的问题。随着会话进行，大量旧搜索、文件读取、工具输出和已完成的工作不断被重复发送给模型，导致输入token激增，甚至触发有损压缩，影响后续任务质量。agent-context-card通过确定性规则自动保留当前有用的证据，退役已完成的上下文，避免无关任务继承历史负担。
使用方式很简单，你只需要在Pi环境中安装该扩展：pi install npm:agent-context-card。之后无需任何配置，它会自动工作。当你开始一个新任务时，它会创建一个上下文卡片，精确记录当前任务、最新请求和固定计划；当任务完成后，旧目录搜索、重复工具调用、已编辑文件的前版本等会被自动清理。如果需要跨会话连续性，可以传入一个精确的任务ID（如JIRA-123），它会自动恢复之前的计划和执行事实。
它非常适合需要长时间编码会话的智能体开发者、后端工程师和全栈开发者。尤其是那些经常处理复杂重构、多轮调试、或需要在多个任务间切换的团队，可以直接减少API调用成本，同时保持模型对关键上下文的准确理解。早期测试显示，在Gemma A/B运行中减少了58.3%的输入token，工具调用次数降低25%，且零工具错误。
建议在启动新任务前先明确任务ID，以获得最佳的跨会话连续性。需要注意的是，它当前仅支持Pi平台，且需要npm或git安装。如果你使用其他编码代理平台，需要等待官方适配。另外，跨会话存储的攻击面较小，但敏感数据仍建议手动清理.agent-context-card/tasks/目录。
常见问题
如何安装agent-context-card？
在Pi终端运行：`pi install npm:agent-context-card` 或从GitHub安装：`pi install git:github.com/chkrishna2001/Agent-Context-Card`
它与手动清理上下文有何不同？
手动清理需要开发者判断哪些内容该保留，容易遗漏或误删；而agent-context-card基于生命周期事件自动退役，且无需额外模型调用，更精确可靠。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/agent-context-card/raw/index.md 读取 agent-context-card 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/agent-context-card/raw/index.md（查看排版版本）