by 安全扫描
OpenClaw
可疑
medium confidence该技能主要是关于上下文优化模式的说明文档，内容聚焦主题，但隐含假设存在某些 Python 模块与代理运行时文件（~/.claude 目录、conserve/leyline 等）且未提供或声明；示例命令涉及文件系统操作（grep ~/.claude、写入 /tmp 检查点），运行前需自行审查。
评估建议
这是一份纯说明型技能（仅提供文档与模式），声称可优化上下文并管理子代理。使用前请注意：1) 示例命令引用的 Python 模块（conserve、leyline、scripts/agent_memory.py）未随包提供，请确保来源可信再运行；2) 读取或 grep 家目录（如 ~/.claude）及向 /tmp、.coordination/agents/ 写入检查点的命令需预先审阅并确认；3) 若打算运行相关工具，请在隔离/沙箱环境（或克隆仓库）中操作，以便检查生成的文件与日志；4) 若无 Claude Code 运行时或对应 Python 包，请将示例视为伪代码而非可执行命令。上述差异多为文档问题，但仍需谨慎，务必先检查并控制运行环境。...详细分析 ▾
ℹ 用途与能力
名称与描述与说明一致：内容围绕 MECW、内存分层、会话路由及子代理协同。但 SKILL.md 中出现 `python -m conserve.context_analyzer` 等命令示例，并引用未随包提供也未在依赖中声明的模块/脚本（scripts/agent_memory.py、leyline、conserve）。技能未声明所需二进制文件，却隐含依赖 Claude Code 代理运行时及 Python 模块——此差异值得注意。
ℹ 指令范围
所有指令均限定于所述领域（上下文优化、委托、压缩）。文中涉及读写本地文件（.coordination/agents/、/tmp/subagent_checkpoint.json）、扫描用户代理日志（grep ~/.claude/projects/*）及调用未包含的辅助函数（check_plugin_readiness、get_current_context_usage）。这些文件系统/日志访问操作与代理编排相关，但可能触及敏感本地数据；执行前请确认路径与访问范围。
✓ 安装机制
技能未提供安装规范，亦未随包附带可执行代码文件（纯说明文档），从而最小化供应链风险。但文档建议运行不属于本包的 Python 模块——若执行相关命令，请确保引用包来自可信源。
✓ 凭证需求
技能未声明所需环境变量或凭据。文中提到可选环境标志（CLAUDE_CODE_DISABLE_1M_CONTEXT）并期望 Claude Code 运行时状态输入，这些均为上下文信息，不作为密钥请求。技能本身不要求第三方凭据或无关令牌。
ℹ 持久化与权限
技能未请求永久“始终”驻留，也不修改其他技能。其文档涉及写入检查点与协调文件到本地路径并读取代理日志，这对编排工具属正常行为，但会在本地文件系统留下痕迹。用户需接受项目目录、/tmp 及 ~/.claude 下的文件被访问或创建。
安全有层次，运行前请审查代码。
运行时依赖
无特殊依赖
版本
latestv1.0.02026/4/11
- 上下文优化技能首次发布，从 Claude Night Market 的“conserve”插件移植而来。 - 提供基于 MECW 原则、内存分层、会话路由及子代理协同的上下文窗口分析与优化。 - 通过将高上下文压力路由至专用模块并管理 token 预算来缓解压力。 - 集成处理大输出最佳实践：将大型命令/工具输出保存至磁盘并以文件引用代替截断数据。 - 包含 MECW 理论、上下文分析与工作流委托的故障排查提示与资源链接。
● 无害
安装命令
点击复制官方npx clawhub@latest install nm-conserve-context-optimization
镜像加速npx clawhub@latest install nm-conserve-context-optimization --registry https://cn.longxiaskill.com
技能文档
Night Market Skill — 从 claude-night-market/conserve 移植。如需获得包含 agent、hook 与命令的完整体验，请安装 Claude Code 插件。 ## 目录 - 快速开始 - 何时使用 - 核心 Hub 职责 - 模块选择策略 - 上下文分类 - 集成点 - 资源 # 上下文优化 Hub ## 快速开始 ### 基本用法 ``bash # 分析当前上下文使用情况 python -m conserve.context_analyzer`## 何时使用 - 阈值警报：当上下文使用率接近窗口的 50% 时。 - 复杂任务：需要多文件分析或长工具链的操作。 ## 何时不使用 - 上下文使用率低的简单单步任务 - 已在使用 mcp-code-execution 处理工具链 ## 核心 Hub 职责 1. 评估上下文压力与 MECW 合规性。 2. 路由至合适的专用模块。 3. 协调基于子代理的工作流。 4. 在各模块间管理 token 预算分配。 5. 综合模块化执行结果。 ## 模块选择策略`python def select_optimal_modules(context_situation, task_complexity): if context_situation == "CRITICAL": return ['mecw-assessment', 'subagent-coordination'] elif task_complexity == 'high': return ['mecw-principles', 'subagent-coordination'] else: return ['mecw-assessment']`## 上下文分类 | 使用率 | 状态 | 操作 | |-------------|--------|--------| | < 30% | 低 | 正常继续 | | 30-50% | 中等 | 监控并应用原则 | | > 50% | 严重 | 立即优化 | ## 大输出处理（Claude Code 2.1.2+） 行为变更：大型 bash 命令与工具输出将保存到磁盘而非截断；通过文件引用供访问。 ### 对上下文优化的影响 | 场景 | 2.1.2 之前 | 2.1.2 之后 | |----------|--------------|-------------| | 大型测试输出 | 截断，数据不完整 | 通过文件引用获取完整输出 | | 冗长构建日志 | 30K 字符后丢失 | 完整且按需可访问 | | 上下文压力 | 截断导致压力较小 | 相同——仅读取时才加载 | ### 最佳实践 - 避免预读取：大输出仅被引用，不会自动加载进上下文。 - 选择性读取：对文件引用使用head、tail或grep。 - 利用完整数据：质量门可通过文件访问完整测试结果。 - 监控增长：文件引用体积很小，但读取完整文件会增加上下文。 ## 集成点 - Token 节约：接收使用策略，返回符合 MECW 的优化方案。 - CPU/GPU 性能：根据资源限制对齐上下文优化。 - MCP Code Execution：将复杂模式委托给专用 MCP 模块。 ## 资源 - MECW 理论：参见modules/mecw-principles.md了解核心概念与 50% 规则。 - MECW 理论（扩展）：参见modules/mecw-theory.md了解压力等级、合规检查与监控模式。 - 上下文分析：参见modules/mecw-assessment.md了解风险识别。 - 工作流委托：参见modules/subagent-coordination.md了解分解模式。 - 上下文等待：参见modules/context-waiting.md了解延迟加载策略。 ## 故障排除 ### 常见问题 若优化后上下文使用率仍高，检查是否读取了整个大文件而非选择性读取。 若 MECW 评估失败，确保环境提供准确的 token 计数元数据。 若将输出日志写入/tmp` 时出现权限错误，请验证项目临时目录可写。