高强度使用各种 AI Agent 开发了好几个小玩具后发现了一个问题：各家的 Agent 在项目中到处拉一坨坨名叫 Skill、Rule、MCP 的屎

最近几年 AI 发展非常快，各家的 AI 也不停升级换代，不过迫于各家基本都有额度限制、时间限制的 AI Agent ，往往同一个项目需要跨多个 Agent 开发。
因此逐渐发现一个有点强迫症的我很难忍受的事情，就是：各家的 Agent 创建了各种不同的资源目录、入口文件等结构来放置 Skill 、Rule 、MCP 、Prompt 等 AI 资源。

往往同一个 Skill 要放在 .github 中一份，又要放在 .claude 中一份，还要放在各家 Agent 自己约定的根目录、入口文件、私有目录结构里。还有各种不同的入口文件……其中某个资源要更新，一下子要更新好几份🆘

时间一久，项目里的 AI 资源就开始变得越来越混乱，而且越发感觉不合理的地方是：有些是外部资源（比如 Code Review Skill 、查询框架文档的 MCP 等等），有些是项目自身沉淀出来的（比如项目发布 Skill 、代码规范 Rule 等等），但这些却都混在一起，甚至外部资源也进入了项目的版控里（明明是类似 node_modules 之类的东西，却跟随项目进行版控）。还有每家的 Agent 入口文件还不一样 🤯

所以我做了 Bear. CTXPM （ Context Package Manager ）。

CTXPM 采用 AI 驱动，CLI 标准化的概念，通过 dependency/package语义，分别管理外部 AI 资源和项目内 AI 资源；
通过 ctxpm.yaml 描述资源声明（参考了 npm 的 package.json）对 Skill 、Rule 、Prompt 、MCP 、Memory 进行统一管理，并通过共享入口文件 AGENTS.md 让不同 Agent 在同一份 AI 上下文上工作。

外部的 AI 资源可以像依赖一样被引入和更新，并且不会和项目文件混淆版控；
项目内长期演进的 AI 资源，则可以像源码一样被提交到仓库，进行评审、持续迭代和版本控制。

AI 资源，终于也可以像代码依赖和项目源码一样，被清晰地分区、持续地管理了

如果你也受够了同一个项目在不同 Agent 之间来回切换、重复维护、入口分裂，可以试试 CTXPM 哈，也许会对你有所帮助。

项目地址： https://github.com/gBearBest/Bear.CTXPM