| name | context-gatekeeper |
| description | Keeps the conversation token-friendly by summarizing recent exchanges, surfacing pending actions, and delivering a compact briefing for each turn before calling the model. Trigger this skill whenever you need to prune a bloated thread or keep the next prompt lean. |
| author | Davi Marques |
Context Gatekeeper
Objetivo
Reduzir o volume de tokens enviados ao modelo preservando apenas o essencial: o resumo das decisões, os próximos passos e os trechos mais recentes da conversa. Este skill roda em paralelo à sua rotina habitual, produzindo o artefato context/current-summary.md que serve como contexto de substituição (em vez de reenviar toda a conversa).
Fluxo mínimo
- Registre as trocas: a cada prompt/resposta, grave uma linha formatada
ROLE: texto em um arquivo de histórico (context/history.txt ou qualquer caminho acessível). Exemplo:
USER: Quero definir metas para o Q2
ASSISTANT: Fiz um plano com marcos e métricas
- Execute o guardião:
python skills/context-gatekeeper/scripts/context_gatekeeper.py \
--history context/history.txt \
--summary context/current-summary.md
O script limita o resumo (até 6 sentenças por padrão), extrai atividades abertas (TODO, próxima ação, tarefa, follow-up) e inclui as últimas 4 jogadas para contexto imediato.
- Use o resumo: antes de chamar a API (ou responder ao usuário), injete o conteúdo de
context/current-summary.md e cite os itens pendentes. Apenas depois disso, se for necessário, adicione as últimas trocas concretas (máximo de 2-3 mensagens) para clareza imediata.
- Repita: atualize
context/history.txt com a nova resposta e execute o script novamente antes do próximo turno.
Argumentos do script
--history: caminho do arquivo com o log das trocas (cada linha deve ser ROLE: texto). Usa STDIN se omitido.--summary: destino do resumo (substitui o arquivo se já existir).--max-summary-sents: limite de sentenças resumidas (padrão 6).--max-recent-turns: quantas trocas finais aparecerão na seção "Últimos turnos" (padrão 4).
Dica de operação diária
- Monte um cron/loop leve que chame o script antes de cada resposta automática.
- Guarde um paralelo
context/pending-tasks.md e copie a seção "Pendências" do resumo para lá.
- Sempre cite o caminho do resumo no parágrafo inicial da resposta (por exemplo: "Resumo compacto: ...") para facilitar auditoria.
Por quê isso funciona?
OpenClaw já persiste memórias em arquivos Markdown e executa /compact quando precisa. Este skill assume a mesma disciplina: em vez de confiar nos 100+ mensagens antigas que ainda estão no contexto, você carrega um briefing de 1 página antes de cada chamada. Economiza tokens e mantém o modelo focado no que realmente importa (decisões, pendências, mudanças recentes).
