上下文压缩器
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-context-compressor。
技能介绍
长会话为什么会「丢上下文」
在 Clawdbot 这类长时编码会话里,上下文窗口会随多轮迭代迅速堆满。常见症状包括模型反复说「如前所述」、忘记早前改过的文件、或要求你重复已经给过的约束。硬顶到上限往往意味着粗暴截断,而不是有选择地保留有效信息。
技能如何运作
Context Compressor 通过会话元数据持续监控用量;当达到可配置阈值(默认约 80%)时,对较早轮次做结构化压缩,而不是简单删历史:
- 提取核心信息:决策及理由、
文件路径与当前状态、未完成任务、值得保留的代码片段 - 压缩杂音:去掉回填、死胡同和低信号闲聊,把相关迭代合并成摘要
- 会话交接:生成
memory/compressed-{session-id}.md,并在新会话中加载USER.md、MEMORY.md与压缩摘要,尽量保持连续性
压缩可在 heartbeat 或低活跃时段后台运行,支持保守(70%)、平衡(80%)、激进(90%)等阈值策略。
适用边界与注意点
它面向可自动触发的 Clawdbot 长会话场景,不能替代你明确记录的业务需求文档。若交接后丢信息,应检查压缩摘要是否生成、新会话是否加载 memory,以及关键代码块是否被误归类为可丢弃内容。典型压缩应在数十秒内完成;会话极长时可降低摘要深度或调高阈值以减少频率。
使用场景
- 连续数小时改多文件、迭代堆满上下文前想主动保留决策与文件状态
- 长会话里模型开始重复复述且记不住早前定下的实现方案
- 希望在 heartbeat 空闲期后台检测阈值并自动压缩旧轮次
- 多次 refine 同一功能、需要在不丢 TODO 的前提下切换到新会话继续
适合人员
- 用 Clawdbot 做跨文件重构、担心硬顶上下文后丢改动的后端工程师
- 维护 OpenClaw 技能栈、要接 memory-system 与 sessions-spawn 的 Agent 集成者
- 长对话里频繁改配置与路径、需要压缩摘要里保留代码片段的前端开发者
- 会话已出现 coherence 下降、想用可配置阈值做预防性压缩的技术写作者