通过扫描记忆文件快速恢复上下文，解决Agent上下文压缩后的迷失问题，让工作无缝衔接
说明：
## 核心用法
Context Anchor 是一个纯 Bash 脚本工具，用于在上下文压缩后帮助 Agent 快速恢复工作状态。它通过扫描预定义的记忆文件路径（`memory/current-task.md`、日期日志、`context/active/*.md`），提取当前任务状态、活跃文件、近期决策和待办事项，生成结构化的 “Where You Left Off” 简报。
### 显著优点
1. **零依赖设计**：仅使用标准 Unix 工具（find、grep、date 等），跨平台兼容 macOS 和 Linux
2. **模块化输出**：支持 `–task`、`–decisions`、`–loops` 等参数按需获取信息，避免信息过载
3. **智能扫描规则**：自动识别 “Decision:”、”Decided:”、”?” 标记决策，”?”、”TODO:”、”Blocker:” 标记待办
4. **与 Agent 工作流深度整合**：可直接嵌入 AGENTS.md 的 “Every Session” 例行程序
### 潜在局限
– 依赖用户遵循特定的文件命名和目录结构约定
– 纯文本匹配，无法理解语义相似性
– 无法处理已被物理删除的文件
– 对于长期项目，默认 2 天回溯可能不足以捕捉完整上下文
### 适合人群
– 使用文件系统记忆架构的 AI Agent 用户
– 需要频繁处理上下文压缩场景的长期对话用户
– 多 Agent 协作场景下的任务交接
### 常规风险
低风险。工具只读取文件不写入，但需注意：
– 扫描路径若包含敏感信息（如 API 密钥）会在输出中暴露
– 建议配合 `.anchorignore` 或路径白名单控制扫描范围
会员专属
