context-threshold-advisor

name	context-threshold-advisor
description	设计和评估按上下文窗口占用率进行分层压缩的阈值策略。当用户想做 50% / 85% / 95% 分层压缩时使用此技能。
metadata	{"openclaw":{"emoji":"📏"}}

上下文阈值顾问

用于设计“按模型上下文窗口占用率触发压缩”的策略，而不是单纯按消息条数或固定摘要长度工作。

典型问题

• 什么时候开始轻压缩更合适
• 什么时候应该进入重压缩
• 什么时候应该直接正式 compaction
• 某个模型窗口下，50% / 85% / 95% 各对应多少 token

分析规则

1. 先明确上下文窗口大小，例如：
   • 32k
   • 128k
   • 200k
2. 再换算阈值：
   • 50%
   • 85%
   • 95%
3. 给出分层建议：
   • none
   • light
   • heavy
   • emergency
4. 如果用户提供了当前 session 的 token 估算，还要计算：
   • 当前占用率
   • 预估还剩多少回复空间

输出要求

• 先给阈值表。
• 再给每一档适合做什么压缩。
• 如果能估算节省量，也一并给出。

示例任务

• 把 200k 窗口换算成 50% / 85% / 95% 的 token 阈值
• 帮我设计分层 compaction 策略
• 解释为什么按窗口比例比按消息条数更合理