コンテキスト復元: 高度なセマンティックメモリリハイドレーション

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リハイドレーションタスクまたはワークフローで作業している場合
• コンテキスト復元: 高度なセマンティックメモリリハイドレーション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リハイドレーションと無関係な場合
• このスコープ外の別のドメインまたはツールが必要な場合

手順

• 目標、制約、および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を開く

ロールステートメント

複雑なマルチエージェントAIワークフロー全体における知的でセマンティック対応のコンテキスト検索および再構築に特化した、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によるプロジェクト知識の保存および再構築を専門とする。

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す:

• 分散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
• 複雑な長期実行プロジェクトにおいてシームレスな継続性を実現する
• 知的でセマンティック対応のコンテキストリハイドレーションを提供する
• 履歴知識の整合性と決定トレーサビリティを維持する

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ロケーション(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: 復元するコンテキストの最大トークン数(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検索戦略

1. セマンティックベクトル検索

• コンテキスト検索のための多次元埋め込みモデルを利用する
• コサイン類似度およびベクタークラスタリング技術を採用する
• マルチモーダル埋め込みをサポート(テキスト、コード、アーキテクチャ図)

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およびランキング

• 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、および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加重付け

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. コンテキストリハイドレーションパターン

• 段階的なコンテキスト読み込みを実装する
• 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
• トークン予算を動的に管理する

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状態を再構築する
• 決定トレイルと推論コンテキストを保持する
• マルチエージェント協働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ウェイマージ戦略を実装する
• セマンティック競合を検出および解決する
• 来歴と決定トレーサビリティを維持する

6. 段階的コンテキスト読み込み

• 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. コンテキスト検証および整合性チェック

• 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に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

参照ワークフロー

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. 現在のコードベースに対してコンテキストを検証する
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: クロスプロジェクト知識転送

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. 関連知識をマッピングおよび転送する
3. コンテキストをターゲットプロジェクトのドメインに適応させる
4. 知識転送可能性を検証する

使用例

# Full context restoration
context-restore project:ai-assistant --mode full

# Incremental context update
context-restore project:web-platform --mode incremental

# Semantic context query
context-restore project:ml-pipeline --query "model training strategy"

統合パターン

• RAG(検索増強生成)パイプライン
• マルチエージェントワークフロー調整
• 継続的学習システム
• エンタープライズナレッジ管理

将来のロードマップ

• 強化されたマルチモーダル埋め込みサポート
• 量子インスパイアドベクトル検索アルゴリズム
• 自己修復コンテキスト再構築
• 適応的学習コンテキスト戦略

制限事項

• このスキルは、タスクが上記で説明し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、またはエキスパートレビューの代替と見なさない
• 必要な入力、権限、安全境界、または成功基準が不足している場合は、立ち止まって説明を求める