agentic-lifecycle-manager

name	agentic-lifecycle-manager
description	End-to-end management of AI agent skills, context optimization (MCE), and lifecycle monitoring (Discovery to Refinement to Consolidation).

Advanced Agentic Lifecycle Manager (ALM)

ทักษะนี้คือโครงสร้างพื้นฐานสำหรับการบริหารจัดการ Agentic Stack แบบครบวงจร (Full-lifecycle) ครอบคลุมการจัดการสกิล, การเพิ่มประสิทธิภาพ Context (MCE), และระบบติดตามพฤติกรรมเพื่อปรับปรุงตนเองตามมาตรฐาน Agent SDK 2026

1. องค์ประกอบของระบบ (Core Components)

1.1 Skill Architecture (Hub-and-Stub)

• Hub (AGENTS.md): ศูนย์กลางควบคุมและนำเข้า (Import) สกิลที่จำเป็น
• Stub (SKILL.md): สกิลย่อยที่ถูกออกแบบมาให้เป็นโมดูล (Modular) เจาะจงงานเดียว
• Progressive Disclosure: โหลดเฉพาะส่วน "Instructions" ของสกิลเมื่อมีการเรียกใช้เท่านั้น

1.2 Orchestration Schema

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

---

2. ขั้นตอนการจัดการคอนแท็ก (Context Optimization - MCE)

Step 1: Hierarchical Categorization

จัดกลุ่มสกิลตามความถี่การใช้งาน:

• Core: โหลดเสมอ (Mandates, Identity)
• Active: โหลดเมื่ออยู่ใน Workflow ที่เกี่ยวข้อง
• On-demand: เรียกใช้ผ่าน RAG เมื่อจำเป็นเท่านั้น

Step 2: Semantic Compression

ใช้ระบบ Meta Context Engineering (MCE) เพื่อลดขนาดประวัติ:

• สรุปผลลัพธ์จากเครื่องมือที่ยาวเกิน 50 บรรทัด
• แปลง Logs ที่ซับซ้อนให้กลายเป็น "State Change" (เช่น "User moved file X to Y")

---

3. ระบบปรับปรุงสกิล (Skill Evolution Loop)

3.1 Tracking (ติดตามพฤติกรรม)

เก็บข้อมูลการใช้งานลงใน docs/TELEMETRY.md:

• Hit Rate: สกิลถูกเรียกใช้บ่อยแค่ไหน?
• Success Rate: สกิลช่วยให้งานสำเร็จหรือไม่? (ผ่าน Verification Gate หรือไม่)
• Token Cost: ปริมาณ Token ที่สกิลนี้ใช้ต่อรอบงาน

3.2 Consolidation & Merging (การรวมสกิล)

เมื่อพบสกิลที่ซ้ำซ้อน (Semantic Overlap > 85%):

1. Analyze: ให้ "Reflector Agent" วิเคราะห์จุดร่วมและจุดต่าง
2. Synthesize: สร้าง "Master Skill" ที่มีประสิทธิภาพสูงสุด
3. Prune: ย้ายสกิลเก่าเข้าสู่ .archive/

---

4. คำสั่งการบริหารจัดการ (Manual Commands)

• alm status: สรุปภาพรวมจำนวนสกิลและประสิทธิภาพปัจจุบัน
• alm optimize: รันกระบวนการ MCE เพื่อลดขนาด Context ปัจจุบัน
• alm consolidate: ตรวจสอบและเสนอแผนการรวมสกิลที่ซ้ำซ้อน
• alm learn --from <log_path>: สร้างสกิลใหม่จากประวัติการทำงานที่สำเร็จ (Golden Trajectory)

---

5. กฎเหล็ก (Non-negotiable Rules)

1. Verification Gate First: ห้ามรับสกิลใหม่เข้าระบบหากไม่มี Test Case รองรับ
2. Artifacts Over Memory: ข้อมูลสำคัญต้องถูกเขียนลงไฟล์เสมอ ห้ามหวังพึ่งความจำใน Session
3. Zero Drift: หากพบว่าคำแนะนำในสกิลขัดกับ SPEC.md, ให้หยุดและรายงานทันที