القائمة
End-to-end management of AI agent skills, context optimization (MCE), and lifecycle monitoring (Discovery to Refinement to Consolidation).
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
Orchestrate AI agent infrastructure using Modal.com as the execution layer, managing persistent state, and integrating with Cline/OpenCode/Hermes.
Implements Anthropic's "Dreaming" pattern—asynchronous reflection and memory consolidation to build long-term playbooks and self-improve.
Background maintenance agent that prunes, consolidates, and refines agent-created skills to prevent bloat and reduce token waste.
Manages cross-session tiered memory (L1/L2/L3) and compaction logic to maintain performance over long durations.
| name | agentic-lifecycle-manager |
| description | End-to-end management of AI agent skills, context optimization (MCE), and lifecycle monitoring (Discovery to Refinement to Consolidation). |
ทักษะนี้คือโครงสร้างพื้นฐานสำหรับการบริหารจัดการ Agentic Stack แบบครบวงจร (Full-lifecycle) ครอบคลุมการจัดการสกิล, การเพิ่มประสิทธิภาพ Context (MCE), และระบบติดตามพฤติกรรมเพื่อปรับปรุงตนเองตามมาตรฐาน Agent SDK 2026
AGENTS.md): ศูนย์กลางควบคุมและนำเข้า (Import) สกิลที่จำเป็นSKILL.md): สกิลย่อยที่ถูกออกแบบมาให้เป็นโมดูล (Modular) เจาะจงงานเดียว| Layer | Description | Standard |
|---|---|---|
| Agent | ตัวตนและเป้าหมายหลัก (Identity & Goals) | AGENT_SPEC |
| Skill | ชุดขั้นตอนและขั้นตอนวิธี (Reusable Procedures) | SKILL_MD |
| Command | คำสั่ง CLI ที่เรียกใช้เครื่องมือโดยตรง | SLASH_COMMAND |
| Hook | ตรรกะที่รันก่อน/หลัง การทำงาน (Pre/Post tool-use) | AGENT_HOOK |
จัดกลุ่มสกิลตามความถี่การใช้งาน:
ใช้ระบบ Meta Context Engineering (MCE) เพื่อลดขนาดประวัติ:
เก็บข้อมูลการใช้งานลงใน docs/TELEMETRY.md:
เมื่อพบสกิลที่ซ้ำซ้อน (Semantic Overlap > 85%):
.archive/alm status: สรุปภาพรวมจำนวนสกิลและประสิทธิภาพปัจจุบันalm optimize: รันกระบวนการ MCE เพื่อลดขนาด Context ปัจจุบันalm consolidate: ตรวจสอบและเสนอแผนการรวมสกิลที่ซ้ำซ้อนalm learn --from <log_path>: สร้างสกิลใหม่จากประวัติการทำงานที่สำเร็จ (Golden Trajectory)SPEC.md, ให้หยุดและรายงานทันที