ce-pickup 是做什麼的？
使用本地模型從過往的 Hermes 工作階段中提取 ce-handoff/v1 文件。零前沿模型 token 成本。輸出是標準的 ce-handoff/v1 Markdown 格式，因此可以立即使用 /ce-handoff resume <path> 來恢復工作。
與其在冷工作階段上執行 /ce-handoff 而浪費訂閱配額來追趕進度，不如使用這個指令。
使用時機
- 使用者想要恢復一個未完成的工作階段，但又不想花費前沿模型 token 來重新讀取它
- 你需要從一個或多個過往工作階段取得交接文件，但上下文視窗已經被佔滿
- 使用者要求對舊工作階段進行「拾取」(pickup) 或「追趕」(catch-up)
- 在一個大型的冷工作階段上執行
/ce-handoff會非常昂貴
快速開始
bash ~/.hermes/scripts/ce-pickup.sh SESSION_ID[,SESSION_ID,...]
預設輸出至 /tmp/compound-engineering-$(id -u)/ce-pickup/。
然後可以從任何輸出檔案恢復工作：
/ce-handoff resume /tmp/compound-engineering-<uid>/ce-pickup/<slug>.md
參數
- 參數 1 (必要)：以逗號分隔的工作階段 ID（來自
session_search或 Hermes 瀏覽功能） - 參數 2 (選擇性)：Ollama 模型名稱 — 預設為
hf.co/ornith-ai/Ornith-1.5-35B-A3B-GGUF:Q5_K_M - 參數 3 (選擇性)：輸出路徑覆寫
環境變數覆寫（用於測試和替代主機）：CE_PICKUP_DB（預設為 ~/.hermes/state.db）、CE_PICKUP_OLLAMA_URL（預設為 http://localhost:11434/api/chat）、CE_PICKUP_MAX_CHARS（預設為 24000）。
模型路由
預設模型：Ornith-1.5-35B-A3B-GGUF:Q5_K_M — 經驗證提取品質良好，可於本地執行。
如果 Ornith 未載入，任何本地可用的 Ollama 模型都能使用。請勿使用前沿模型（這將失去本技能的意義）。
檢查可用模型：ollama list
運作原理
- 透過
sqlite3讀取~/.hermes/state.db— 不需要 Python，不觸發 TCC 提示 - 按時間戳排序提取
user和assistant訊息 - 將對話記錄截斷至 24,000 字元（約 6k token）— 足以進行有意義的提取
- 透過
curl呼叫 Ollama/api/chat，並附帶結構化的提取提示 - 將
ce-handoff/v1的 frontmatter 和模型主體寫入輸出目錄 - 檔案名稱是工作階段標題的 slug；發生衝突時會加上數字後綴
輸出格式
每個輸出檔案都是有效的 ce-handoff/v1 格式，包含：
artifact_contract: "ce-handoff/v1"frontmatter- 可取得的
session_id、cwd、branch、repository - 提取內容涵蓋：目標、已完成工作、當前狀態、決策/限制、障礙、失敗方法、參考資料、後續步驟
上下文天花板監控腳本（附屬工具）
scripts/context-ceiling-watchdog.sh 是一個確定性的、無代理的即時工作階段上下文監控器。它會估算每個活躍工作階段的當前上下文（active=1 的訊息內容 ÷ 4 字元/token — 切勿使用 sessions.input_tokens，因為這是包含上下文重新讀取的累積計費量），並執行以下動作：
>= 50k提醒 — 一行提示，每小時重複一次>= 70k警示 — 檢查點警告，每 30 分鐘重複一次>= 80k提取 — 在本機執行 ce-pickup 並報告ce-handoff/v1路徑； 提取後，僅在工作階段再增加約 10k 時才會重新發出警示（臨界值）
除非觸發門檻，否則它保持靜默（空輸出），因此可以直接整合到具有變更偵測功能的無代理 cron 工作中。狀態資料儲存在 ~/.cache/context-ceiling-watchdog/（純文字 TSV — 沒有 LLM 記憶體，沒有遞迴連續性）。它永遠不會寫入 Hermes 設定或執行時期狀態；state.db 是以 sqlite3 -readonly 參數開啟。
無需真實模型進行測試：bash scripts/mock-ollama.sh 21143 & 然後執行 bash scripts/test-watchdog.sh（使用固定資料庫和縮放後的門檻值，執行 20 次檢查）。
常見陷阱
來自 Python 的 TCC 對話框（macOS Sequoia+）：在具有廣泛授權的應用程式中以子程序方式執行 Python 可能會觸發針對 iCloud Drive 或「文件」的 TCC 提示 — 即使在僅讀取 ~/.hermes/state.db 時也是如此。此 Shell 腳本僅使用 sqlite3 + curl + jq + awk，因此不會觸發 TCC。除非使用者明確接受 TCC 提示，否則切勿使用基於 Python 的此工作流程實作。
對話記錄截斷：24k 字元涵蓋大多數工作階段。非常長的工作階段（200 多條訊息且包含大量工具輸出）會從尾部被截斷。如果交接文件感覺內容薄弱，請將其分割成更狹窄的查詢。
思考模型 + num_predict：Ollama 的 num_predict 會限制產生的 token 總數，這包含 message.thinking。思考模型（Ornith 就是其中之一）可能會將整個預算消耗在思考通道中，並傳回空值或尾端被截斷的 message.content — 而腳本只讀取這個內容。症狀是：「Ollama 回應為空」或交接文件在中間斷句，看起來像是模型品質問題，但實際上是承載（payload）錯誤。腳本會發送 think:false（並帶有一個不使用此旗標的重試備援機制，以應對拒絕該旗標的模型）。Wesley 的備註：這個旗標僅在此機械化提取工作中是正確的 — Ornith 的思考功能在代理工程用途中是一個資產，而一次提取執行並不能說明代理能力。請不要將一次不佳的提取結果概括為對模型的評判。
必須執行 Ollama：在叫用腳本前請先使用 ollama list 確認。
輸出在 /tmp：作業系統可能在重新啟動後回收。如果需要跨重啟恢復工作，請將其複製到穩定的路徑。
腳本
標準實作位於此技能中的 scripts/ce-pickup.sh — 請透過其技能路徑來呼叫它。主機端的副本歷史上位於 ~/.hermes/scripts/ce-pickup.sh（文件記錄為符號連結）；如果機器上的該副本存在但不是符號連結，則它已經過時 — 請以技能目錄為準。
另請參閱：ce-handoff 技能，了解在交接文件準備好後的恢復工作流程。