尧图网页设计 
用 Context Engineering 构建 AI 个人操作系统Digital Brain 的 AGENT.md 指令体系解析【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering导读Digital Brain 是 Agent Skills for Context Engineering 仓库中的一个人操作系统示例它将个人品牌、内容创作、知识库、人脉网络与生产力系统组织为目录化结构并交给 AI Agent 协作管理。本文以 examples/digital-brain-skill/AGENT.md 为骨架逐条解析其中定义的核心规则、快速参考、文件约定与请求映射表并结合 SKILL.md、SKILLS-MAPPING.md、模块指令文件与agents/scripts/下的自动化脚本源码说明这些规则背后的上下文工程Context Engineering设计原理。读完本文你将掌握如何为一套AI 个人操作系统编写可执行的 Agent 指令、如何设计 append-only 数据模型、如何让 Agent 在写作时保持真实人声以及如何把 weekly review、stale contacts 等例行任务交给脚本自动化。一、AGENT.md给 Agent 的操作系统说明书Digital Brain 目录中的 AGENT.md 是整个系统的行为守则。它不描述目录里有什么那是 README.md 的职责而是回答一个更关键的问题当 Agent 在这个项目里工作时必须遵守哪些规则这份文档整体可以拆成四层结构Core Rules核心规则——四条不可违背的行为底线Quick Reference快速参考——常见任务与对应操作的一行式速查File Conventions文件约定——不同扩展名文件的读写纪律When User Asks To...请求映射表——用户自然语言请求 → Agent 动作序列。这种规则先行、速查其次、约定兜底、映射收尾的编排本身就是上下文工程里渐进式披露Progressive Disclosure的体现Agent 在项目根目录先读到的是最低成本的行为准则L1 元数据只有进入具体任务时才按需加载对应模块的指令文件L2和数据文件L3。与 SKILL.md 的关系需要指出的是AGENT.md 与同目录的 SKILL.md 职责互补SKILL.md带 frontmattername: digital-brain、description、version负责何时激活触发词如 write a post、weekly review以及三层加载架构的定义AGENT.md负责激活后如何表现——语气、写入纪律、跨模块引用、以及把用户请求翻译成动作序列。两者都指向同一套渐进式披露架构SKILL.md 说明只加载当前任务需要的模块AGENT.md 则把这条原则落到具体的读写动作上。二、Core Rules四条不可违背的 Agent 行为底线AGENT.md 的 Core Rules 定义了四条全局规则是后续所有动作的约束前提#规则意图1Always readidentity/voice.mdbefore writing any content让产出匹配用户真实声音杜绝AI 腔2Append to JSONL files, never overwrite保留历史支持事后模式分析3Update timestampswhen modifying tracked data保证跨文件数据的新鲜度可追溯4Cross-reference modules知识反哺内容、人脉反哺运营模块不是孤岛规则 1 的落地Voice First先读 voice.md不是一句口号它被写进了多个层级的指令中在 SKILL.md 的 Content Creation Workflow 第 1 步标注为REQUIRED在 identity/IDENTITY.md 的instructions中列为第 1 条ALWAYS read voice.md before drafting甚至在 agents/scripts/idea_to_draft.py 生成的草稿脚手架末尾都写着*Remember: Check identity/voice.md before finalizing!*。这种同一原则多处重申的设计并非冗余而是刻意为之Voice First 是内容模块正确性的前提任何绕过它的产出都会破坏个人品牌一致性。从 SKILLS-MAPPING.md 可以看到其上下文工程依据——voice.md 只保留签名短语、反模式这类高信号 token而不是通用写作建议从而用最小的 token 开销最大化语气匹配概率。规则 2 的落地Append-Only永不覆盖的纪律在 SKILL.md 中被进一步明确为JSONL 文件只追加需要废弃条目时用status: archived标记而不是删除。这是 memory-systems 技能的典型实践只有保留完整历史posts.jsonl里的性能数据才能支撑什么内容有效的回顾分析interactions.jsonl才能支撑对某个人脉的完整关系回溯。规则 3 与 4时间戳与跨模块引用updated字段在 JSONL 与 YAML 数据中普遍存在详见 references/file-formats.md它让stale_contacts.py能依据last_contact判断关系冷热度。而跨模块引用则体现在content_ideas.py同时读取posts.jsonl内容历史与bookmarks.jsonl知识库用知识反哺内容。三、Quick Reference把常见任务压成一行指令AGENT.md 的 Quick Reference 将高频场景压缩为动作-文件-脚本的一行提示场景动作写内容先读identity/voice.md再用content/templates/模板查联系人搜network/contacts.jsonl查interactions.jsonl看历史找内容创意查content/ideas.jsonl运行agents/scripts/content_ideas.py任务管理用operations/todos.md对齐operations/goals.yaml周回顾运行agents/scripts/weekly_review.py这种一行式速查的价值在于Agent 在项目根目录即可完成路由决策不必逐个打开模块文档。它对应 SKILL.md 中 L1 层元数据/路由的设计——SKILL.md 本身保持精简约 200 行以内数据一律外置避免上下文膨胀。其中值得注意的路径语义.md是人机双读的叙述层可自由编辑voice、brand、calendar、todos.jsonl是仅追加的数据层交给脚本与 Agent 读写.yaml是结构化配置层承载 goals、values、circles 等层级数据。四、File Conventions四种格式的读写纪律AGENT.md 的文件约定只有四行但它对应一套完整的格式选型逻辑。扩充到 SKILLS-MAPPING.md 的 Why JSONL / Why YAML / Why Markdown / Why XML 部分可以得到完整依据格式用途选型理由.jsonl追加型日志ideas、posts、contacts、interactions、meetings、metrics天然追加型、可流式逐行解析、每行自带 schema、兼容 grep 快速检索.yaml结构化配置goals、values、circles、learning层级清晰、可读性好、支持注释.md叙述型内容voice、brand、calendar、todos、templates人可读可编辑、Git diff 友好、渲染通用.xml复杂提示词模板identity/prompts/下的生成模板结构清晰、具名分节、变量占位符、便于校验另一个关键约定是_template.md/_schema条目属于参考格式禁止修改。这防止 Agent 在生成内容时误改格式规范本身——例如 content/templates/ 下的模板应被复制使用而不是被就地改写。JSONL 的 schema 行约定references/file-formats.md 规定每个 JSONL 文件首行必须是 schema 定义{_schema: schema_name, _version: 1.0, _description: Purpose of this file}所有自动化脚本load_jsonl函数都会跳过含_schema的行再解析数据。同时所有条目共享公共字段{ id: type_YYYYMMDD_HHMMSS, created: ISO8601, updated: ISO8601 }ID 生成遵循{type}_{YYYYMMDD}_{HHMMSS}或{type}_{unique_slug}约定如idea_20241229_143022、contact_johndoe时间戳型 ID 天然保证同一文件内唯一。五、When User Asks To...请求 → 动作映射表AGENT.md 的映射表把用户自然语言翻译成确定的动作链这是整个文档最可直接执行的部分用户请求Agent 动作链Write a post about X读 voice.md → 起草 → 匹配语气模式Prepare for meeting with Y查联系人 → 取互动历史 → 生成摘要What should I create?运行 content_ideas.py → 查日历Add contact Z按完整 schema 追加到 contacts.jsonlWeekly review运行 weekly_review.py → 呈现洞察以 Write a post about X 为例完整执行链在 SKILL.md 的 Example: Writing an X Post 中展开为五步读 voice.md 提取语气属性 → 查 brand.md 确认主题支柱 → 参考 posts.jsonl 找同类成功内容 → 按语气模式起草 → 若不立即发布则建议先入 ideas.jsonl。以 Prepare for meeting 为例映射表对应的更深层流程是见 SKILL.md 与 agents/AGENTS.md先在 contacts.jsonl 中按姓名扫描再用contact_id关联过滤 interactions.jsonl检查 todos.md 中的待办事项最终输出角色、背景、上次讨论、后续动作四要素简报。这正是 context-optimization 的just-in-time loading先扫全表定位再只加载单个联系人的历史条目。六、模块化目录与跨模块协作AGENT.md 的 Cross-reference 规则建立在六大模块之上。整体目录结构见 README.md为digital-brain/ ├── identity/ → 个人品牌与声音写内容前必读 ├── content/ → 内容创作中心想法、草稿、已发布 ├── knowledge/ → 知识库书签、研究、学习 ├── network/ → 关系管理联系人、互动、引荐 ├── operations/ → 生产力系统待办、目标、会议、指标 └── agents/ → 自动化脚本每个模块都有对应的指令文件IDENTITY.md、CONTENT.md、NETWORK.md、OPERATIONS.md它们是渐进式披露架构的 L2 层只有当前任务涉及该模块时才加载。模块边界是刻意设计的隔离——内容创作流程不需要加载 network 数据从而从源头避免上下文污染SKILLS-MAPPING.md 中 context-optimization 的 Module Separation。跨模块引用则通过共享 ID 约定实现interactions.jsonl用contact_id关联contacts.jsonlcontent_ideas.py用pillar与tags关联知识库与内容历史。这是 memory-systems 中结构化召回Structured Recall的直接应用。七、网络模块的圈层模型与冷热判断AGENT.md 的快速参考提到查联系人要check interactions.jsonl for history而更完整的网络模型定义在 SKILL.md 中关系分四档触达频率圈层触达频率说明inner每周最亲近的关系active每两周当前活跃协作network每月泛网络关系dormant每季度休眠等待激活这套模型在 agents/scripts/stale_contacts.py 中被翻译成可计算的阈值THRESHOLDS { inner: 14, # 2 weeks active: 30, # 1 month network: 60, # 2 months dormant: 180 # 6 months (for potential reactivation) }脚本将联系人分成三档输出超过阈值 1.5 倍为urgenturgently overdue、超过阈值 1 倍为due、达到阈值 75% 为coming_up。从源码结构可以推断这套分级旨在让 Agent 的触达动作有优先级依据——urgent 联系人建议thinking of you短消息due 的 inner 圈联系人建议约电话coming_up 的则建议先以互动内容维系。八、Agent 规则如何与自动化脚本配合AGENT.md 的规则不是悬空指令——它们由agents/scripts/下的 Python 脚本直接承接。每个脚本都是自包含的tool-design 原则从固定路径读 JSONL、输出结构化文本到 stdout。通用骨架load_jsonl 与 schema 跳过四个脚本共享同一个load_jsonl实现模式见 weekly_review.py 等逐行读取、跳过空行、json.loads解析、跳过含_schema的首行。这意味着 AGENT.md 的JSONL 仅追加 schema 首行约定在代码层被强制执行Agent 手写的数据即使格式有偏差也不会导致脚本崩溃。weekly_review.py聚合四个模块的数据weekly_review.py 展示了一个跨模块聚合的完整样例从content/posts.jsonl与content/ideas.jsonl统计本周发布数与新想法数从network/interactions.jsonl统计互动次数从operations/metrics.jsonl取最新一条metrics[-1]作为观众规模数据输出带五个固定 action items 的周报模板。其周范围计算使用today - timedelta(daystoday.weekday())定位周一跨模块数据的published/created/date字段均以 ISO 时间字符串与week_start做字典序比较——这是 schema 约定带来的红利只要字段按 ISO8601 存储字符串比较即等价于时间比较。content_ideas.py知识反哺内容content_ideas.py 支持--pillar与--count参数默认 5输出四段建议基于最高互动内容的主题复刻、基于最近书签的选题、未开发的 raw 想法、以及五个快速提示提问。其内部实现把最佳内容定义为likes comments*2 reposts*3的加权分从源码结构看这一权重表达了转发比点赞更有传播价值的假设读者可按自己的平台特性调整。idea_to_draft.py从想法到草稿脚手架idea_to_draft.py 接受一个 idea_id支持 ID 精确匹配、ID 子串、想法文本子串三种匹配方式生成带 YAML 元数据、Hook 选项、三点正文、支撑证据关联书签、同类历史内容按 pillar 过滤与发布前清单的草稿脚手架并在结尾强制提醒check identity/voice.md。这条链路完整对应 CONTENT.md 定义的管线ideas.jsonl捕获→drafts/发展→ 对照 voice.md 审核 → 发布 → 回写posts.jsonl与指标。九、把规则翻译成自己的项目应用指南Digital Brain 的 AGENT.md 之所以可迁移是因为它把上下文工程原则压缩成了四条可复制的纪律Voice First 纪律任何内容产出前先读语气定义文件把真实人声变成不可跳过的步骤而不是风格建议Append-Only 纪律所有日志类数据只追加、用状态标记替代删除为事后分析保留完整历史schema 首行纪律每个 JSONL 文件首行用_schema声明结构让人机读写与脚本解析共享同一份契约模块边界纪律用目录切分领域、用指令文件做 L2 按需加载、用 ID 约定做跨模块关联从架构上防止上下文膨胀。在 SKILLS-MAPPING.md 的 Verification Checklist 中这套纪律被进一步量化为可检查项模块指令文件不超过 100 行、JSONL 首行必须为 schema、跨模块引用保持最小、脚本自包含且 I/O 清晰、每个领域只有单一事实来源。这意味着 AGENT.md 不是一份建议文档而是一套可以被脚本与校验清单共同强制执行的规范。如果你要为自己的项目定制同类指令可以沿这条路径演进先写 Core Rules行为底线→ 补 Quick Reference路由速查→ 定 File Conventions格式纪律→ 建 Request Mapping请求映射→ 用脚本把高频例行任务固化为可执行动作 → 最后用校验清单守住文件大小与单一事实来源的边界。【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 用 Context Engineering 构建 AI 个人操作系统：Digital Brain 的 AGENT.md 指令体系解析
用 Context Engineering 构建 AI 个人操作系统Digital Brain 的 AGENT.md 指令体系解析【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering导读Digital Brain 是 Agent Skills for Context Engineering 仓库中的一个人操作系统示例它将个人品牌、内容创作、知识库、人脉网络与生产力系统组织为目录化结构并交给 AI Agent 协作管理。本文以 examples/digital-brain-skill/AGENT.md 为骨架逐条解析其中定义的核心规则、快速参考、文件约定与请求映射表并结合 SKILL.md、SKILLS-MAPPING.md、模块指令文件与agents/scripts/下的自动化脚本源码说明这些规则背后的上下文工程Context Engineering设计原理。读完本文你将掌握如何为一套AI 个人操作系统编写可执行的 Agent 指令、如何设计 append-only 数据模型、如何让 Agent 在写作时保持真实人声以及如何把 weekly review、stale contacts 等例行任务交给脚本自动化。一、AGENT.md给 Agent 的操作系统说明书Digital Brain 目录中的 AGENT.md 是整个系统的行为守则。它不描述目录里有什么那是 README.md 的职责而是回答一个更关键的问题当 Agent 在这个项目里工作时必须遵守哪些规则这份文档整体可以拆成四层结构Core Rules核心规则——四条不可违背的行为底线Quick Reference快速参考——常见任务与对应操作的一行式速查File Conventions文件约定——不同扩展名文件的读写纪律When User Asks To...请求映射表——用户自然语言请求 → Agent 动作序列。这种规则先行、速查其次、约定兜底、映射收尾的编排本身就是上下文工程里渐进式披露Progressive Disclosure的体现Agent 在项目根目录先读到的是最低成本的行为准则L1 元数据只有进入具体任务时才按需加载对应模块的指令文件L2和数据文件L3。与 SKILL.md 的关系需要指出的是AGENT.md 与同目录的 SKILL.md 职责互补SKILL.md带 frontmattername: digital-brain、description、version负责何时激活触发词如 write a post、weekly review以及三层加载架构的定义AGENT.md负责激活后如何表现——语气、写入纪律、跨模块引用、以及把用户请求翻译成动作序列。两者都指向同一套渐进式披露架构SKILL.md 说明只加载当前任务需要的模块AGENT.md 则把这条原则落到具体的读写动作上。二、Core Rules四条不可违背的 Agent 行为底线AGENT.md 的 Core Rules 定义了四条全局规则是后续所有动作的约束前提#规则意图1Always readidentity/voice.mdbefore writing any content让产出匹配用户真实声音杜绝AI 腔2Append to JSONL files, never overwrite保留历史支持事后模式分析3Update timestampswhen modifying tracked data保证跨文件数据的新鲜度可追溯4Cross-reference modules知识反哺内容、人脉反哺运营模块不是孤岛规则 1 的落地Voice First先读 voice.md不是一句口号它被写进了多个层级的指令中在 SKILL.md 的 Content Creation Workflow 第 1 步标注为REQUIRED在 identity/IDENTITY.md 的instructions中列为第 1 条ALWAYS read voice.md before drafting甚至在 agents/scripts/idea_to_draft.py 生成的草稿脚手架末尾都写着*Remember: Check identity/voice.md before finalizing!*。这种同一原则多处重申的设计并非冗余而是刻意为之Voice First 是内容模块正确性的前提任何绕过它的产出都会破坏个人品牌一致性。从 SKILLS-MAPPING.md 可以看到其上下文工程依据——voice.md 只保留签名短语、反模式这类高信号 token而不是通用写作建议从而用最小的 token 开销最大化语气匹配概率。规则 2 的落地Append-Only永不覆盖的纪律在 SKILL.md 中被进一步明确为JSONL 文件只追加需要废弃条目时用status: archived标记而不是删除。这是 memory-systems 技能的典型实践只有保留完整历史posts.jsonl里的性能数据才能支撑什么内容有效的回顾分析interactions.jsonl才能支撑对某个人脉的完整关系回溯。规则 3 与 4时间戳与跨模块引用updated字段在 JSONL 与 YAML 数据中普遍存在详见 references/file-formats.md它让stale_contacts.py能依据last_contact判断关系冷热度。而跨模块引用则体现在content_ideas.py同时读取posts.jsonl内容历史与bookmarks.jsonl知识库用知识反哺内容。三、Quick Reference把常见任务压成一行指令AGENT.md 的 Quick Reference 将高频场景压缩为动作-文件-脚本的一行提示场景动作写内容先读identity/voice.md再用content/templates/模板查联系人搜network/contacts.jsonl查interactions.jsonl看历史找内容创意查content/ideas.jsonl运行agents/scripts/content_ideas.py任务管理用operations/todos.md对齐operations/goals.yaml周回顾运行agents/scripts/weekly_review.py这种一行式速查的价值在于Agent 在项目根目录即可完成路由决策不必逐个打开模块文档。它对应 SKILL.md 中 L1 层元数据/路由的设计——SKILL.md 本身保持精简约 200 行以内数据一律外置避免上下文膨胀。其中值得注意的路径语义.md是人机双读的叙述层可自由编辑voice、brand、calendar、todos.jsonl是仅追加的数据层交给脚本与 Agent 读写.yaml是结构化配置层承载 goals、values、circles 等层级数据。四、File Conventions四种格式的读写纪律AGENT.md 的文件约定只有四行但它对应一套完整的格式选型逻辑。扩充到 SKILLS-MAPPING.md 的 Why JSONL / Why YAML / Why Markdown / Why XML 部分可以得到完整依据格式用途选型理由.jsonl追加型日志ideas、posts、contacts、interactions、meetings、metrics天然追加型、可流式逐行解析、每行自带 schema、兼容 grep 快速检索.yaml结构化配置goals、values、circles、learning层级清晰、可读性好、支持注释.md叙述型内容voice、brand、calendar、todos、templates人可读可编辑、Git diff 友好、渲染通用.xml复杂提示词模板identity/prompts/下的生成模板结构清晰、具名分节、变量占位符、便于校验另一个关键约定是_template.md/_schema条目属于参考格式禁止修改。这防止 Agent 在生成内容时误改格式规范本身——例如 content/templates/ 下的模板应被复制使用而不是被就地改写。JSONL 的 schema 行约定references/file-formats.md 规定每个 JSONL 文件首行必须是 schema 定义{_schema: schema_name, _version: 1.0, _description: Purpose of this file}所有自动化脚本load_jsonl函数都会跳过含_schema的行再解析数据。同时所有条目共享公共字段{ id: type_YYYYMMDD_HHMMSS, created: ISO8601, updated: ISO8601 }ID 生成遵循{type}_{YYYYMMDD}_{HHMMSS}或{type}_{unique_slug}约定如idea_20241229_143022、contact_johndoe时间戳型 ID 天然保证同一文件内唯一。五、When User Asks To...请求 → 动作映射表AGENT.md 的映射表把用户自然语言翻译成确定的动作链这是整个文档最可直接执行的部分用户请求Agent 动作链Write a post about X读 voice.md → 起草 → 匹配语气模式Prepare for meeting with Y查联系人 → 取互动历史 → 生成摘要What should I create?运行 content_ideas.py → 查日历Add contact Z按完整 schema 追加到 contacts.jsonlWeekly review运行 weekly_review.py → 呈现洞察以 Write a post about X 为例完整执行链在 SKILL.md 的 Example: Writing an X Post 中展开为五步读 voice.md 提取语气属性 → 查 brand.md 确认主题支柱 → 参考 posts.jsonl 找同类成功内容 → 按语气模式起草 → 若不立即发布则建议先入 ideas.jsonl。以 Prepare for meeting 为例映射表对应的更深层流程是见 SKILL.md 与 agents/AGENTS.md先在 contacts.jsonl 中按姓名扫描再用contact_id关联过滤 interactions.jsonl检查 todos.md 中的待办事项最终输出角色、背景、上次讨论、后续动作四要素简报。这正是 context-optimization 的just-in-time loading先扫全表定位再只加载单个联系人的历史条目。六、模块化目录与跨模块协作AGENT.md 的 Cross-reference 规则建立在六大模块之上。整体目录结构见 README.md为digital-brain/ ├── identity/ → 个人品牌与声音写内容前必读 ├── content/ → 内容创作中心想法、草稿、已发布 ├── knowledge/ → 知识库书签、研究、学习 ├── network/ → 关系管理联系人、互动、引荐 ├── operations/ → 生产力系统待办、目标、会议、指标 └── agents/ → 自动化脚本每个模块都有对应的指令文件IDENTITY.md、CONTENT.md、NETWORK.md、OPERATIONS.md它们是渐进式披露架构的 L2 层只有当前任务涉及该模块时才加载。模块边界是刻意设计的隔离——内容创作流程不需要加载 network 数据从而从源头避免上下文污染SKILLS-MAPPING.md 中 context-optimization 的 Module Separation。跨模块引用则通过共享 ID 约定实现interactions.jsonl用contact_id关联contacts.jsonlcontent_ideas.py用pillar与tags关联知识库与内容历史。这是 memory-systems 中结构化召回Structured Recall的直接应用。七、网络模块的圈层模型与冷热判断AGENT.md 的快速参考提到查联系人要check interactions.jsonl for history而更完整的网络模型定义在 SKILL.md 中关系分四档触达频率圈层触达频率说明inner每周最亲近的关系active每两周当前活跃协作network每月泛网络关系dormant每季度休眠等待激活这套模型在 agents/scripts/stale_contacts.py 中被翻译成可计算的阈值THRESHOLDS { inner: 14, # 2 weeks active: 30, # 1 month network: 60, # 2 months dormant: 180 # 6 months (for potential reactivation) }脚本将联系人分成三档输出超过阈值 1.5 倍为urgenturgently overdue、超过阈值 1 倍为due、达到阈值 75% 为coming_up。从源码结构可以推断这套分级旨在让 Agent 的触达动作有优先级依据——urgent 联系人建议thinking of you短消息due 的 inner 圈联系人建议约电话coming_up 的则建议先以互动内容维系。八、Agent 规则如何与自动化脚本配合AGENT.md 的规则不是悬空指令——它们由agents/scripts/下的 Python 脚本直接承接。每个脚本都是自包含的tool-design 原则从固定路径读 JSONL、输出结构化文本到 stdout。通用骨架load_jsonl 与 schema 跳过四个脚本共享同一个load_jsonl实现模式见 weekly_review.py 等逐行读取、跳过空行、json.loads解析、跳过含_schema的首行。这意味着 AGENT.md 的JSONL 仅追加 schema 首行约定在代码层被强制执行Agent 手写的数据即使格式有偏差也不会导致脚本崩溃。weekly_review.py聚合四个模块的数据weekly_review.py 展示了一个跨模块聚合的完整样例从content/posts.jsonl与content/ideas.jsonl统计本周发布数与新想法数从network/interactions.jsonl统计互动次数从operations/metrics.jsonl取最新一条metrics[-1]作为观众规模数据输出带五个固定 action items 的周报模板。其周范围计算使用today - timedelta(daystoday.weekday())定位周一跨模块数据的published/created/date字段均以 ISO 时间字符串与week_start做字典序比较——这是 schema 约定带来的红利只要字段按 ISO8601 存储字符串比较即等价于时间比较。content_ideas.py知识反哺内容content_ideas.py 支持--pillar与--count参数默认 5输出四段建议基于最高互动内容的主题复刻、基于最近书签的选题、未开发的 raw 想法、以及五个快速提示提问。其内部实现把最佳内容定义为likes comments*2 reposts*3的加权分从源码结构看这一权重表达了转发比点赞更有传播价值的假设读者可按自己的平台特性调整。idea_to_draft.py从想法到草稿脚手架idea_to_draft.py 接受一个 idea_id支持 ID 精确匹配、ID 子串、想法文本子串三种匹配方式生成带 YAML 元数据、Hook 选项、三点正文、支撑证据关联书签、同类历史内容按 pillar 过滤与发布前清单的草稿脚手架并在结尾强制提醒check identity/voice.md。这条链路完整对应 CONTENT.md 定义的管线ideas.jsonl捕获→drafts/发展→ 对照 voice.md 审核 → 发布 → 回写posts.jsonl与指标。九、把规则翻译成自己的项目应用指南Digital Brain 的 AGENT.md 之所以可迁移是因为它把上下文工程原则压缩成了四条可复制的纪律Voice First 纪律任何内容产出前先读语气定义文件把真实人声变成不可跳过的步骤而不是风格建议Append-Only 纪律所有日志类数据只追加、用状态标记替代删除为事后分析保留完整历史schema 首行纪律每个 JSONL 文件首行用_schema声明结构让人机读写与脚本解析共享同一份契约模块边界纪律用目录切分领域、用指令文件做 L2 按需加载、用 ID 约定做跨模块关联从架构上防止上下文膨胀。在 SKILLS-MAPPING.md 的 Verification Checklist 中这套纪律被进一步量化为可检查项模块指令文件不超过 100 行、JSONL 首行必须为 schema、跨模块引用保持最小、脚本自包含且 I/O 清晰、每个领域只有单一事实来源。这意味着 AGENT.md 不是一份建议文档而是一套可以被脚本与校验清单共同强制执行的规范。如果你要为自己的项目定制同类指令可以沿这条路径演进先写 Core Rules行为底线→ 补 Quick Reference路由速查→ 定 File Conventions格式纪律→ 建 Request Mapping请求映射→ 用脚本把高频例行任务固化为可执行动作 → 最后用校验清单守住文件大小与单一事实来源的边界。【免费下载链接】Agent-Skills-for-Context-EngineeringA comprehensive collection of Agent Skills for context engineering, multi-agent architectures, and production agent systems. Use when building, optimizing, or debugging agent systems that require effective context management.项目地址: https://gitcode.com/GitHub_Trending/ag/Agent-Skills-for-Context-Engineering创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考