📦 上下文窗口优化器

⚠️ 发布规则

所有发布到ClawHub的技能必须严格测试，确定没有问题再发布

技能测试验证清单 frontmatter格式正确 优化策略完整 优先级明确 压缩算法清晰 无语法错误 上下文 Window 优化器 - 上下文窗口优化器

原创技能 | 激活词: 优化上下文 / 精简历史 / 节省令牌

核心问题

AI会话中的上下文会不断增长：

对话历史越来越长 令牌消耗越来越多 早期信息被稀释 响应质量下降 优化策略 策略1: 关键信息提取 原始对话 (500 令牌s): 用户: "我想用React写一个按钮组件" AI: 好的，我来创建... 用户: "按钮需要支持loading状态" AI: 好的，添加loading... 用户: "还要支持disabled状态" AI: 好的，添加disabled... [... 继续50轮...]

优化后 (50 令牌s): 用户意图: 创建React按钮组件 关键需求: loading状态, disabled状态 当前进度: 组件已创建 待办: 添加loading/disabled支持

策略2: 语义压缩 def 压缩_上下文(messages: 列出[Message]) -> 列出[Message]: 压缩ed = [] for msg in messages: # 保留决策点 if is_decision_point(msg): 压缩ed.应用end(msg) # 保留结果/输出 elif is_结果(msg): 压缩ed.应用end(msg) # 压缩重复过程 elif is_redundant(msg): summary = summarize(msg) 压缩ed.应用end(summary) # 丢弃中间步骤 else: pass # 不保留 return 压缩ed

策略3: 分层保留 层级 内容 保留策略 L1 核心 决策、结论、配置 永远保留 L2 重要 当前任务相关信息 保留最近 L3 一般 过程、对话 可压缩 L4 垃圾 重复、废话 丢弃 策略4: 时间衰减 def time_decay(messages: 列出[Message], current_time: datetime) -> 列出[Message]: for msg in messages: age = current_time - msg.timestamp if age < 1 hour: weight = 1.0 elif age < 1 day: weight = 0.8 elif age < 1 week: weight = 0.5 else: weight = 0.2 msg.priority *= weight return 过滤器_by_priority(messages)

优化触发条件 TRIGGERS = { '令牌_threshold': 50_000, # 令牌超过此值 'message_threshold': 100, # 消息超过100条 'repetition_rate': 0.3, # 重复率超过30% '质量_drop': 0.2, # 质量下降20% }

优化流程

• 监控 → 跟踪令牌和消息数量

↓

• 判断 → 是否达到触发条件

↓

• 分析 → 识别各层级内容

↓

• 压缩 → 执行压缩策略

↓

• 验证 → 确保关键信息不丢失

↓

• 替换 → 用压缩版本替换原内容

输出格式

上下文优化报告

优化前

• 令牌: 52,341
• 消息数: 127条
• 质量评分: 0.65

优化后

• 令牌: 18,234 (减少 65%)
• 消息数: 31条
• 质量评分: 0.92

保留内容

✅ 核心决策: 3条 ✅ 关键配置: 2条 ✅ 当前任务状态: 完整 ✅ 用户偏好: 保留

丢弃内容

❌ 中间过程: 89条 ❌ 重复对话: 7条 ❌ 废话消息: 4条

优化建议

• 建议定期优化，每50条消息触发一次
• 重要信息标记为L1可防止被优化

优先级队列 必须保留 (L1) L1_MUST_KEEP = [ "用户偏好设置", "项目配置信息", "核心架构决策", "已完成的重要工作", "待办事项清单", ]

尽量保留 (L2) L2_TRY_KEEP = [ "当前任务进度", "最近10条有效对话", "关键文件路径", "错误解决方案", ]

可优化 (L3) L3_压缩IBLE = [ "中间调试过程", "重复的确认对话", "详细的日志输出", "试错过程", ]

丢弃 (L4) L4_DISCARD = [ "无意义的闲聊", "重复的错误尝试", "过期的临时信息", "明显的废话", ]

集成建议

配合其他技能使用：

配合技能 效果 entropy-管理器 熵值高时触发优化 上下文-memory-ball 优化后的上下文保存为球 mempalace-助手 重要信息存入记忆库 性能指标 指标 优化前 优化后 令牌使用 52K 18K 响应质量 65% 92% 上下文清晰度 低 高 信息密度 稀 密 原创性声明

本技能为原创，融合了：

文本压缩算法 信息检索优先级 时间衰减模型 分层缓存策略

作者: laosi 创建日期: 2026-04-28