コンテキスト復元：高度なセマンティックメモリ再構築

このスキルを使用する場合

• コンテキスト復元：高度なセマンティックメモリ再構築タスクまたはワークフローに取り組んでいる場合
• コンテキスト復元：高度なセマンティックメモリ再構築に関するガイダンス、ベストプラクティス、またはチェックリストが必要な場合

このスキルを使用しない場合

• タスクがコンテキスト復元：高度なセマンティックメモリ再構築と無関係である場合
• このスコープ外の異なるドメインまたはツールが必要な場合

手順

• 目標、制約条件、必要な入力を明確にする
• 関連するベストプラクティスを適用し、結果を検証する
• 実行可能なステップと検証方法を提供する
• 詳細な例が必要な場合は、resources/implementation-playbook.md を参照する

役割ステートメント

複雑なマルチエージェント AI ワークフロー全体にわたるインテリジェント、セマンティック認識型のコンテキスト取得と再構築に専門を持つエキスパート コンテキスト復元スペシャリスト。高い忠実度と最小限の情報損失でプロジェクト知識を保持および再構築することに特化している。

コンテキスト概要

コンテキスト復元ツールは、以下を実現するために設計された高度なメモリ管理システムである：

• 分散型 AI ワークフロー全体でプロジェクトコンテキストを回復および再構築する
• 複雑で長期実行されるプロジェクトのシームレスな継続性を実現する
• インテリジェント、セマンティック認識型のコンテキスト再構築を提供する
• 履歴知識の整合性と意思決定の追跡可能性を維持する

コア要件と引数

入力パラメータ

• context_source: プライマリコンテキストストレージの場所（ベクトルデータベース、ファイルシステム）
• project_identifier: ユニークなプロジェクト名前空間
• restoration_mode:
  • full: 完全なコンテキスト復元
  • incremental: 部分的なコンテキスト更新
  • diff: コンテキストバージョンの比較とマージ
• token_budget: 復元する最大コンテキストトークン数（デフォルト：8192）
• relevance_threshold: コンテキストコンポーネントのセマンティック類似度カットオフ（デフォルト：0.75）

高度なコンテキスト取得戦略

1. セマンティックベクトル検索

• コンテキスト取得のための多次元埋め込みモデルを活用する
• コサイン類似度とベクタークラスタリング手法を採用する
• マルチモーダル埋め込み（テキスト、コード、アーキテクチャ図）をサポートする

def semantic_context_retrieve(project_id, query_vector, top_k=5):
    """Semantically retrieve most relevant context vectors"""
    vector_db = VectorDatabase(project_id)
    matching_contexts = vector_db.search(
        query_vector,
        similarity_threshold=0.75,
        max_results=top_k
    )
    return rank_and_filter_contexts(matching_contexts)

2. 関連性フィルタリングとランキング

• 多段階の関連性スコアリングを実装する
• 時間的減衰、セマンティック類似度、履歴的影響を考慮する
• コンテキストコンポーネントの動的重み付け

def rank_context_components(contexts, current_state):
    """Rank context components based on multiple relevance signals"""
    ranked_contexts = []
    for context in contexts:
        relevance_score = calculate_composite_score(
            semantic_similarity=context.semantic_score,
            temporal_relevance=context.age_factor,
            historical_impact=context.decision_weight
        )
        ranked_contexts.append((context, relevance_score))

    return sorted(ranked_contexts, key=lambda x: x[1], reverse=True)

3. コンテキスト再構築パターン

• 段階的なコンテキストローディングを実装する
• 部分的および完全なコンテキスト再構築をサポートする
• トークンバジェットを動的に管理する

def rehydrate_context(project_context, token_budget=8192):
    """Intelligent context rehydration with token budget management"""
    context_components = [
        'project_overview',
        'architectural_decisions',
        'technology_stack',
        'recent_agent_work',
        'known_issues'
    ]

    prioritized_components = prioritize_components(context_components)
    restored_context = {}

    current_tokens = 0
    for component in prioritized_components:
        component_tokens = estimate_tokens(component)
        if current_tokens + component_tokens <= token_budget:
            restored_context[component] = load_component(component)
            current_tokens += component_tokens

    return restored_context

4. セッション状態の再構築

• エージェントワークフローの状態を再構築する
• 意思決定の軌跡と推論コンテキストを保持する
• マルチエージェント協調履歴をサポートする

5. コンテキストマージと競合解決

• 3 者マージ戦略を実装する
• セマンティック競合を検出して解決する
• 出処と意思決定の追跡可能性を維持する

6. 段階的なコンテキストローディング

• コンテキストコンポーネントの遅延読み込みをサポートする
• 大規模プロジェクト向けのコンテキストストリーミングを実装する
• 動的なコンテキスト拡張を有効にする

7. コンテキスト検証と整合性チェック

• 暗号化コンテキスト署名
• セマンティック一貫性の検証
• バージョン互換性チェック

8. パフォーマンス最適化

• 効率的なキャッシングメカニズムを実装する
• コンテキストインデックス作成の確率的データ構造を使用する
• ベクトル検索アルゴリズムを最適化する

リファレンスワークフロー

ワークフロー 1: プロジェクト再開

1. 最新のプロジェクトコンテキストを取得する
2. コンテキストを現在のコードベースに対して検証する
3. 関連するコンポーネントを選択的に復元する
4. 再開サマリーを生成する

ワークフロー 2: プロジェクト間の知識転送

1. ソースプロジェクトからセマンティックベクトルを抽出する
2. 関連知識をマップして転送する
3. ターゲットプロジェクトのドメインに対応するようコンテキストを適応させる
4. 知識転移可能性を検証する

使用例

# 完全なコンテキスト復元
context-restore project:ai-assistant --mode full

# 段階的なコンテキスト更新
context-restore project:web-platform --mode incremental

# セマンティックコンテキストクエリ
context-restore project:ml-pipeline --query "model training strategy"

統合パターン

• RAG（Retrieval Augmented Generation）パイプライン
• マルチエージェントワークフロー協調
• 継続学習システム
• エンタープライズ知識管理

将来のロードマップ

• 拡張マルチモーダル埋め込みサポート
• 量子インスパイアベクトル検索アルゴリズム
• 自己修復型コンテキスト再構築
• 適応学習コンテキスト戦略

制限事項

• このスキルは、タスクが上記に説明されたスコープと明確に一致する場合にのみ使用する
• 出力を環境固有の検証、テスト、または専門家レビューの代替物として扱わない
• 必要な入力、許可、安全上の境界、または成功基準が不足している場合は、停止して明確化を求める