context-optimizer

name	context-optimizer
description	上下文优化器 - 智能对话压缩与记忆分层管理 核心功能: 1. 智能摘要 - 自动识别关键决策，压缩冗余内容 2. 分层记忆 - 短期/中期/长期自动归档 3. Token预警 - 80%时主动建议压缩 4. 上下文重建 - 从压缩状态恢复关键信息 触发条件: - Token消耗达80% - 用户发送"/compact" - 对话超过50轮 - 用户明确说"优化上下文"
metadata	{"openclaw":{"emoji":"🧠","triggers":["/compact","优化上下文","Token快用完了","上下文太长"],"priority":"high"}}

SKL-SKILL-v1.0-FIN-260326-Context-Optimizer.md

维度: 对话上下文管理
功能: 智能压缩、分层记忆、Token预警
状态: FIN (7标准完整)
版本: V1.0
创建时间: 2026-03-26

---

S1: 全局考虑（人/事/物/环境/外部/边界）

1.1 人的维度

利益相关方	需求	影响
用户(Egbertie)	避免Token耗尽，保留关键信息	核心受益者
主控AI	知道何时压缩，如何恢复	执行者
未来会话	能从压缩状态恢复上下文	间接受益

1.2 事的维度

触发条件:

• Token消耗 ≥ 80%
• 对话轮数 ≥ 50
• 用户主动请求 /compact
• 系统检测到上下文膨胀

处理流程:

触发检测 → 信息分层 → 智能摘要 → 压缩归档 → 重建索引

1.3 物的维度

资源	类型	约束
对话历史	输入	需分析内容价值
Token配额	限制	通常4K-128K不等
存储空间	输出	压缩后存memory/
计算时间	处理	摘要生成耗时

1.4 环境维度

Token压力场景:

• 长对话（>50轮）
• 代码/文档编辑（大量文本）
• 多文件分析（大量上下文）

压缩策略:

场景	策略
闲聊/问候	直接删除
任务执行过程	保留结果，删除中间步骤
关键决策	完整保留
代码/文档	保留最终版本，删除迭代过程

1.5 外部集成

集成方	方式	说明
系统/compact	命令触发	用户主动压缩
Token监控	自动触发	80%时主动建议
Memory系统	文件存储	压缩后存memory/

1.6 边界情况

场景	处理方式
Token已耗尽	无法压缩，提示/new创建新对话
全是对话无实质内容	建议直接/reset
用户拒绝压缩	记录，继续直到硬性限制
压缩后信息丢失	保留完整版到文件，摘要供会话使用
压缩失败	回退，提示手动处理

---

S2: 系统闭环（输入→处理→输出→反馈）

2.1 输入规范

触发信号:

{
  "trigger_type": "auto|manual|system",
  "token_pct": 82,           # 当前Token百分比
  "turn_count": 55,          # 对话轮数
  "context_size_kb": 45      # 上下文大小
}

2.2 处理流程

class ContextOptimizer:
    def optimize(self, context):
        # Step 1: 信息分层
        layers = self.classify_messages(context)
        #   - critical: 关键决策、TODO、用户偏好
        #   - important: 任务结果、配置变更
        #   - normal: 执行过程、尝试步骤
        #   - disposable: 闲聊、确认、重复内容
        
        # Step 2: 分层处理
        summary = {
            "critical": self.preserve_full(layers["critical"]),
            "important": self.summarize(layers["important"]),
            "normal": self.compress(layers["normal"]),
            "disposable": self.discard(layers["disposable"])
        }
        
        # Step 3: 生成压缩包
        compressed = self.generate_summary(summary)
        
        # Step 4: 持久化
        self.save_to_memory(compressed)
        
        return compressed

2.3 输出规范

压缩报告:

## 上下文压缩完成

**压缩前**: 55轮 / 82% Token
**压缩后**: 5项关键信息 / 15% Token

### 保留的关键决策
1. [决策1] ...
2. [决策2] ...

### 已完成的任务
- [任务1] ✅ ...
- [任务2] ✅ ...

### 待办事项 (TODO)
- [ ] ...

### 用户偏好更新
- ...

### 完整记录
已保存至: memory/2026-03-26-compact-HHMM.md

2.4 反馈机制

用户确认:

• 展示压缩摘要
• 询问是否有遗漏
• 允许补充关键信息

后续恢复:

• 新会话可读取压缩文件
• 自动重建上下文

---

S3: 可观测输出（量化指标+报告）

3.1 量化指标

指标	目标	测量方式
压缩率	>60%	(原Token-压缩后)/原Token
关键信息保留率	100%	用户确认无遗漏
压缩耗时	<5s	从触发到完成
误删率	<5%	压缩后用户补充次数/总压缩次数

3.2 使用报告

每次压缩后生成:

🧠 上下文优化报告
━━━━━━━━━━━━━━━━━━━━
原始大小: 45KB (82% Token)
压缩大小: 12KB (18% Token)
压缩率: 73%
保留决策: 5项
保留TODO: 3项
耗时: 2.3s
━━━━━━━━━━━━━━━━━━━━
状态: ✅ 成功

---

S4: 自动化集成（Cron+脚本+触发器）

4.1 Token预警机制

# 嵌入到token-monitor中
def check_context_pressure():
    if token_pct >= 80:
        suggest_compact()
    if token_pct >= 90:
        strongly_recommend_compact()
    if token_pct >= 95:
        warn_imminent_overflow()

4.2 自动压缩脚本

#!/bin/bash
# auto-compact.sh - 定期自动压缩

TOKEN_PCT=$(get_current_token_pct)
if [ "$TOKEN_PCT" -ge 85 ]; then
  python3 /root/.openclaw/workspace/scripts/context_optimizer.py auto
fi

4.3 会话启动恢复

def on_session_start():
    """会话启动时检查是否有压缩的上下文"""
    latest_compact = find_latest_compact()
    if latest_compact and is_recent(latest_compact, hours=24):
        return f"检测到近期压缩的上下文，发送 /restore 恢复"

---

S5: 自我验证（质量检查+测试）

5.1 功能测试

def test_compression():
    # 测试1: 正常压缩
    context = generate_test_context(turns=50, token_pct=85)
    result = optimizer.optimize(context)
    assert result.compression_ratio > 0.6
    assert result.critical_retained == 100%
    
    # 测试2: 无实质内容
    context = generate_chat_only_context(turns=30)
    result = optimizer.optimize(context)
    assert result.recommendation == "建议 /reset"
    
    # 测试3: Token已耗尽
    context = generate_test_context(token_pct=99)
    result = optimizer.optimize(context)
    assert result.error == "Token不足，无法压缩"

5.2 质量检查清单

检查项	通过标准
关键决策保留	所有标记为critical的内容保留
TODO完整性	所有未完成TODO保留
用户偏好	所有偏好更新保留
压缩率达标	≥60%
恢复可用	压缩文件可被后续会话读取

---

S6: 认知谦逊（局限标注）

6.1 已知局限

局限	说明	缓解措施
语义理解限制	可能误判某些内容为"可删除"	用户确认环节
压缩不可逆	丢弃的内容无法自动恢复	完整版保存到文件
长文档处理	超长文档压缩可能耗时	分段处理
代码上下文	可能丢失调试过程的价值	保留关键错误信息

6.2 不确定性声明

• 压缩质量依赖于内容识别算法，可能有误判
• 不同模型的Token计算方式可能不同
• 极端情况下（Token=99%）可能无法完成压缩

---

S7: 对抗测试（失效场景验证）

7.1 异常输入测试

场景	测试内容	预期结果
空上下文	无任何对话	提示无需压缩
单轮对话	只有1轮	提示无需压缩
全是对话	无实质任务	建议/reset
混合内容	任务+闲聊混合	正确分类处理

7.2 边界条件测试

场景	测试内容	预期结果
Token=80%	边界触发	建议压缩
Token=95%	紧急状态	强烈建议压缩
Token=99%	极限状态	提示/new
超大上下文	>100KB	分段处理

7.3 恢复测试

场景	测试内容	预期结果
正常恢复	从压缩文件重建	关键信息完整
文件损坏	压缩文件损坏	提示无法恢复
过期恢复	>7天的压缩文件	提示可能过时

---

使用指南

触发方式

自动触发:

• Token ≥ 80% 时主动建议
• 对话轮数 ≥ 50 时提示

手动触发:

• 发送 /compact
• 说"优化上下文"

压缩级别

级别	压缩率	适用场景
轻度	30%	Token还够，仅清理闲聊
中度	60%	标准压缩，平衡保留
深度	80%	Token告急，仅保留关键

恢复命令

/restore [日期]  # 恢复指定日期的压缩上下文
/restore-latest   # 恢复最近的压缩

---

关联文档

• /scripts/context_optimizer.py - 核心实现
• /scripts/token_monitor_v21.py - Token监控集成
• memory/COMPACT_INDEX.md - 压缩文件索引

---

Context Optimizer Skill V1.0 - 7标准完整版