TopRank Skills

Home / Claw Skills / Others / subagent-context-compactor
Official OpenClaw rules 15%

subagent-context-compactor

上下文压缩代理,采用分层压缩策略,基于内存使用触发机制。处理HOT/WARM/COLD三层数据,优化token使用。当用户需要压缩对话上下文、优化内存使用、管理会话历史、减少token消耗时使用此技能。特别适用于长时间对话、复杂任务处理、需要保留重要历史信息的场景。

Stars

0

Installs

0

Status

ACTIVE

Visibility

PUBLIC

安装方式

直接复制以下提示词,发送给你的 AI 助手即可完成安装。

请先检查是否已安装 SkillHub 商店,若未安装,请根据 https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/skillhub.md 安装 SkillHub 商店,然后安装 subagent-context-compactor 技能。 若已安装,则直接安装 subagent-context-compactor 技能。

Overview

Skill Key
geoshan/subagent-context-compactor
Author
geoshan
Source Repo
openclaw/skills
Version
-
Source Path
skills/geoshan/subagent-context-compactor
Latest Commit SHA
7a88e2a75304ea613ab8389569331a074d0c0239

Extracted Content

SKILL.md excerpt

# 上下文压缩技能

专门负责压缩上下文的代理,采用分层压缩策略,基于内存使用触发机制。处理HOT/WARM/COLD三层数据,优化token使用。

## 🎯 技能概述

这是一个智能上下文压缩系统,能够:
1. 实时监控会话上下文使用情况
2. 自动触发压缩优化
3. 分层管理历史信息
4. 减少token消耗,提高会话效率

## 📋 使用场景

**立即使用此技能当用户:**
- 说"压缩上下文"、"优化内存"、"减少token使用"
- 提到"长时间对话"、"会话历史太长"
- 需要"保留重要信息,删除冗余内容"
- 处理"复杂任务,需要上下文管理"
- 遇到"token限制"或"上下文窗口不足"
- 想要"自动清理对话历史"

## 🏗️ 系统架构

### 三层数据管理
1. **HOT层** - 实时信息(最近1天,最高重要性)
2. **WARM层** - 近期信息(最近7天,中等重要性)
3. **COLD层** - 历史信息(最近30天,参考重要性)

### 触发机制
- **内存触发**:Token使用率 > 70% 或消息数 > 50
- **时间触发**:每小时自动检查
- **事件触发**:会话开始/结束、任务完成
- **手动触发**:用户命令触发

## 🚀 快速开始

### 启动压缩系统
```bash
# 启动完整系统
./start_system.sh

# 启动监控服务
./start_monitor.sh

# 检查系统状态
./check_status.sh
```

### 基本命令
```bash
# 查看压缩状态
python3 integration.py --status

# 手动触发压缩
python3 integration.py --compress

# 查看压缩历史
python3 integration.py --history
```

## 📁 文件结构

```
context-compactor/
├── SKILL.md                    # 技能说明文件
├── README.md                   # 详细文档
├── config.json                 # 配置文件
├── requirements.txt            # Python依赖
├── start_system.sh             # 启动脚本
├── stop_system.sh              # 停止脚本
├── check_status.sh             # 状态检查
├── start_monitor.sh            # 监控启动
├── stop_monitor.sh             # 监控停止
├── compactor.py                # 核心压缩逻辑
├── hierarchical_compactor.py   # 分层压缩器
├── monitor.py                  # 监控服务
├── integration.py              # 集成服务
├── api_server.py               # API服务器
├── test_compaction.py          # 测试脚本
└── logs/                       # 日志目录
```

## ⚙️ 配置说明

配置文件 `config.json` 包含以下关键设置:

`...

README excerpt

# 上下文压缩系统

基于分层策略的智能上下文压缩系统,用于监控和优化OpenClaw会话的上下文使用。

## 功能特性

### 🎯 核心功能
- **实时监控**: 持续监控会话上下文使用情况
- **分层压缩**: HOT/WARM/COLD三层数据管理
- **智能触发**: 基于内存使用、时间和事件的触发机制
- **自动优化**: 根据阈值自动执行压缩
- **详细报告**: 完整的压缩统计和性能报告

### 📊 分层策略
| 层级 | 描述 | 保留时间 | 最大项目 | 重要性阈值 | 压缩方法 |
|------|------|----------|----------|------------|----------|
| **HOT** | 最近的关键信息 | 1天 | 20 | 0.7 | 总结 |
| **WARM** | 中等重要性的历史信息 | 7天 | 100 | 0.4 | 关键词提取 |
| **COLD** | 长期存储的参考信息 | 30天 | 500 | 0.2 | 归档 |

### ⚡ 触发机制
1. **内存触发**: Token使用率 > 70% 或消息数 > 50
2. **时间触发**: 每小时自动检查,或按计划时间
3. **事件触发**: 会话开始/结束、任务完成、错误发生

## 快速开始

### 1. 启动系统
```bash
cd ~/.openclaw/workspace/context-compactor
./start_system.sh
```

### 2. 检查状态
```bash
./check_status.sh
```

### 3. 停止系统
```bash
./stop_system.sh
```

## 系统架构

```
context-compactor/
├── monitor.py              # 监控服务
├── hierarchical_compactor.py # 分层压缩器
├── integration.py          # 集成服务
├── config.json            # 配置文件
├── start_system.sh        # 启动脚本
├── stop_system.sh         # 停止脚本
├── check_status.sh        # 状态检查
├── start_monitor.sh       # 监控启动
├── stop_monitor.sh        # 监控停止
├── logs/                  # 日志目录
├── context_compactor.db   # SQLite数据库
└── README.md             # 本文档
```

## 配置说明

### 主要配置项

#### 分层配置 (`tiers`)
```json
{
  "hot": {
    "retention_days": 1,
    "max_items": 20,
    "importance_threshold": 0.7
  }
}
```

#### 触发机制 (`trigger_mechanisms`)
```json
{
  "memory_based": {
    "enabled": true,
    "token_usage_threshold": 0.7,
    "message_count_threshold": 50
  }
}
```

#### 压缩方法 (`compression_methods`)
```json
{
  "summarization": {
    "enabled": true,
    "max_length_ratio": 0.3
  }
}
```

## 使用示例

###...

Related Claw Skills