Token导航 LogoToken导航

Agent Skill · 研究检索

oc-context-optimizer(oc 上下文优化器)

oc-context-optimizer 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

oc-context-optimizer 是研究检索类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为权限未标注;许可证为 MIT-0,第三方扫描有提醒项,按安装量在研究检索类的 73,675 个 Skill 里排第 25,508。

总安装 3,754周安装 158GitHub Stars 公开资料未说明下载 1,315核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
1.2.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:oc-context-optimizer(oc 上下文优化器)
来源仓库:https://github.com/penghang1223/oc-context-optimizer
安装命令:
openclaw skills install oc-context-optimizer
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install oc-context-optimizer

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

通过重复数据删除、压缩消息、总结长聊天以及并行工具调用来优化对话上下文,以节省令牌并加快执行速度。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install oc-context-optimizer;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

oc-context-optimizer 怎么安装?

在终端执行 openclaw skills install oc-context-optimizer。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

oc-context-optimizer 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

oc-context-optimizer 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

oc-context-optimizer 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

oc-context-optimizer 用的人多吗?

公开数据是累计安装 3,754 次,近一周安装 158 次,下载 1,315 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

oc-context-optimizer 安全吗?

第三方扫描有提醒项,说明存在需要人工确认的行为。安装前请打开源码看清它读了什么、联网到哪里。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。

先想清楚的地方

  • 第三方扫描存在提醒项或未通过项,需要人工逐条确认。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
oc-context-optimizer

oc 上下文优化器 · 本页

3,754—权限未标注MIT-0有提醒

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

SKILL.md - Context Optimizer

OpenClaw运行时优化系统 — 系级级安装,所有Agent统一受益

类型

Runtime Optimizer(运行时优化)

  • 🎯 受众:OpenClaw系统管理员
  • 📦 安装方式:系统级安装(不是Agent级)
  • 🔄 生效方式:OpenClaw运行时自动调用,Agent无需感知

工作原理

Agent A ←┐
Agent B ←┼── OpenClaw运行时(统一优化) ← context-optimizer
Agent C ←┘

所有Agent间接受益,但不需要单独配置。

功能

1. 微压缩 (microcompact)

  • 检测重复消息(相似度>85%)
  • 合并连续的工具调用结果
  • 压缩长文本(保留首尾关键信息)
  • 效果:节省60%+重复token
  • 谁在用:运行时自动
  • Agent感知:❌ 不感知

2. 自动压缩 (autocompact)

  • 监控token使用量
  • 超过阈值时自动触发压缩
  • 生成对话摘要+保留关键文件
  • 效果:长对话节省50%+token
  • 谁在用:运行时自动
  • Agent感知:❌ 不感知

3. 流式并行执行 (streaming_executor)

  • 流式检测工具调用
  • 并行执行多个工具
  • 错误隔离+自动重试
  • 效果:工具执行加速3x
  • 谁在用:运行时自动
  • Agent感知:❌ 不感知

4. Token预算管理 (token_budget)

  • Token使用追踪(累计/本次/剩余)
  • 三级阈值预警(75%警告/85%压缩/90%危险)
  • 预算耗尽自动续期(最多5次)
  • 效果:防止上下文溢出,智能预算管理
  • 谁在用:心跳监控
  • Agent感知:🟡 告警时感知

5. 工具延迟加载 (tool_defer)

  • 初始prompt仅加载~10个核心工具
  • 40+工具按需搜索加载
  • 多维度搜索评分
  • 效果:节省75%+工具描述token
  • 谁在用:运行时自动
  • Agent感知:❌ 不感知

用法

直接调用(Python)

# 微压缩测试
python3 scripts/microcompact.py --test

# 自动压缩测试
python3 scripts/auto_compactor.py --test

# 流式执行器测试
python3 scripts/streaming_executor.py --test

# Token预算测试
python3 scripts/token_budget.py --test

# 工具延迟加载测试
python3 scripts/tool_defer.py --test

# 处理消息文件
python3 scripts/microcompact.py messages.json
python3 scripts/auto_compactor.py messages.json
python3 scripts/streaming_executor.py tools.json
python3 scripts/token_budget.py status
python3 scripts/tool_defer.py --search "飞书"

集成到Agent工作流

from scripts.microcompact import MicroCompactor
from scripts.auto_compactor import AutoCompactor
from scripts.streaming_executor import StreamingToolExecutor

# 微压缩
compactor = MicroCompactor()
result = compactor.compact(messages)
print(f"节省 {result.savings_percent:.1f}% token")

# 自动压缩
auto = AutoCompactor(context_window=200_000)
if auto.should_compact(current_tokens):
    result = auto.compact(messages)
    messages = result.messages

# 流式执行
executor = StreamingToolExecutor(max_concurrent=5)
for tool in tool_calls:
    await executor.add_tool(tool)
results = await executor.wait_all()

配置参数

参数默认值说明
similarity_threshold0.85消息相似度阈值
min_message_length100最小合并长度
context_window200_000上下文窗口大小
safety_margin0.8压缩触发比例
max_concurrent5最大并行工具数
timeout_seconds30.0工具执行超时

依赖

  • Python 3.8+
  • 标准库(json, asyncio, difflib)
  • 无外部依赖

许可

MIT License

平台分布

OpenClaw

91.56%
按下载量换算1,204

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在提醒或未通过项,安装前请自行复核。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills