解決 AI Agent 工作流程中的資訊傳遞難題

context-packet 是一個輕量級的命令列工具和程式庫，針對 AI Agent 工作流程中最常見卻最容易手工配線的問題：如何在不浪費 token、不因變化而崩潰的前提下，將正確的資訊傳遞到正確的處理步驟。這個方案零依賴、基於純 JSON 檔案，只需三個核心函數。

核心設計理念

該工具用有向無環圖 (DAG) 定義管道，節點完成後提交資訊包裹，再透過 token 預算來解析上游資訊。解決的是每個 AI Agent 管道都面臨的老問題：手工配線脆弱易碎，且容易造成資源浪費。API 簡潔而專注：

• init — 初始化管道圖
• submit — 提交已完成節點的輸出
• resolve — 取得某節點的上游資訊與系統提示

管道與依賴管理

圖定義透過 JSON 格式，節點可設定執行順序依賴 (depends_on) 與資料依賴 (consumes)。系統提示可嵌入圖層級與節點層級：圖層級系統提示作用於所有節點，節點層級系統提示則特化該節點的指令。內置循環檢測確保圖的合法性。每個節點可設定預設 token 預算 (config.maxTokens)。

執行與整合方式

支援三種執行模式。命令列模式下，context-packet run 以發生順序走過 DAG、並列執行相同層級的節點、自動捕獲輸出並提交。可與任何透過標準輸入讀取資料的 Agent 相容：claude -p、OpenAI、本地模型、甚至 bash 腳本。MCP Server 模式允許在完整 Claude Code 工作階段中執行，Agent 可呼叫工具來解析資訊、執行實際工作、提交結果，期間保有完整的工具存取權限。CLI 模式則提供個別命令用於初始化、提交、解析、查狀態、讀取單一資訊包裹。

Token 預算與資訊精簡

resolve() 接受 maxTokens 參數，當預算緊張時優先保留摘要 (通常較短)，從距離最遠的上游節點開始截斷本文，並在結果中標記 truncated: true。這避免了盲目傳遞全量資訊而燒掉過多 token 的常見陷阱。

防止提示注入

上游資訊包裹內容用分隔符包裹，明確標示「資訊來源」與「結束」，防止提示注入攻擊。

狀態管理與冪等性

所有狀態儲存為純 JSON 檔案，位於 .context-packet/ 目錄，可直接刪除重置、複製分享，無需資料庫或伺服器。每個資訊包裹都附帶語義輸入雜湊 (SHA-256)，可用於偵測上游輸入是否改變，從而在無變化時跳過重複執行。