
de alive101
Reconstruisez et fusionnez plusieurs sessions passées en un seul contexte de travail et faites remonter les conflits pour résolution humaine.
Session Context Rebuild lit les données de session historiques et les fichiers touchés par ces sessions, puis déploie des sous-agents spécialisés pour reconstruire un contexte de travail cohérent. Il détecte les chevauchements et les contradictions entre les sessions parallèles (diffs de fichiers, décisions conflictuelles, erreurs d'état de tâche), assemble les chronologies et présente des fusions recommandées ou des conflits non résolus pour un choix humain.
Utilisez cette compétence lors du retour à un projet après une absence, lorsque plusieurs sessions ont pu modifier les mêmes fichiers, ou lorsque vous devez fusionner le travail de quelqu'un d'autre dans votre contexte actuel. C'est particulièrement utile après une compaction/perte de contexte en mémoire ou lorsque vous observez des modifications conflictuelles entre les sessions.
Conçu pour les agents de type Claude Code / gestionnaire de contexte personnel supportant le déploiement de sous-agents et la lecture de fichiers. Outils : lectures de fichiers, accès aux logs et sous-agents polyvalents sont attendus.
La compétence Session Context Rebuild pour le framework 'alive' déploie des essaims de sous-agents pour reconstruire le contexte de travail à partir de plusieurs sessions passées, en détectant les conflits entre les travaux parallèles. Aucun script intégré — compétence purement basée sur des instructions s'appuyant sur l'écosystème alive (squirrels, walnuts, tasks.py). Stratégie de déploiement d'agents bien structurée avec des conseils de mise à l'échelle clairs, mais entièrement dépendante de l'infrastructure spécifique à alive (répertoire .alive, YAML squirrel, tasks.py), ce qui limite la portabilité.
Aucune préoccupation de sécurité — la compétence instruit seulement les agents à lire les fichiers locaux et à fusionner le contexte. Pas d'appels réseau, pas de gestion d'identifiants, pas de commandes destructrices. Les modèles de déploiement de sous-agents sont bien conçus avec une bonne mise à l'échelle de la portée. La terminologie spécifique à alive (walnuts, squirrels, stashes) crée une courbe d'apprentissage mais est cohérente en interne.