- name
- session-compactor
- description
- 自动会话压缩以优化 token 使用。当会话消息数超过阈值时，将早期历史压缩为结构化摘要，保留工具调用和关键事实。适用于长对话场景以节省上下文窗口。核心算法参考 claw-code 项目的 compact.rs 设计。
- metadata
- {
Session Compactor
本技能提供自动化的会话压缩功能，解决长对话导致的 token 超限问题。
何时使用
- 会话消息数超过 30 条，接近模型上下文窗口限制
- 需要保留关键上下文但控制 token 消耗
- 手动调用以优化对话历史
快速开始
配置
在 openclaw.config.json 中启用:
{
"skills": {
"session-compactor": {
"enabled": true,
"maxTokens": 3000,
"minMessagesToKeep": 5,
"autoCompact": true
}
}
}自动模式
设置 "autoCompact": true 后，每次会话更新会自动检测并压缩。
手动调用
调用工具 compact_session:
openclaw tools call compact_session '{"force": false}'工作原理
- Token 估算 - 使用启发式方法 (1 token ≈ 4 字符)
- 触发检测 - 当前 tokens > maxTokens?
- 选择目标 - 保留最新
max(minKeep, total/3)条消息 - 生成摘要 - 提取对话目标、工具调用、关键事实
- 替换 - 用单条系统消息替代所有早期消息
压缩 不可逆，早期消息细节会丢失。
配置参数
| 参数 | 类型 | 默认 | 说明 |
|---|---|---|---|
maxTokens | number | 3000 | 触发压缩的 token 阈值 |
minMessagesToKeep | number | 5 | 至少保留的最新消息数 |
autoCompact | boolean | true | 启用自动压缩 |
force (工具参数) | boolean | false | 强制压缩（调用时） |
示例
压缩前
[
{"role":"user","content":"请分析赛力斯2025年报"},
{"role":"assistant","content":"[tavily_search] 正在搜索..."},
{"role":"user","content":"还要2024年对比数据"},
{"role":"assistant","content":"[tavily_search] 已找到..."}
// ... 继续累积到 50+ 条
]压缩后
[
{"role":"system","content":"## 会话摘要 (已压缩早期 45 条消息)\
- 对话目标: 分析赛力斯2025年报...\
- 工具调用: 6 次..."},
{"role":"user","content":"那么深信服的2025预测呢？"},
{"role":"assistant","content":"继续..."}
// ... 最新 16 条保持完整
]技术实现
核心算法实现于 scripts/compact_session.js:
const { compactSession } = require('./scripts/compact_session');
const result = await compactSession(messages, {
maxTokens: 4000,
force: false
});
console.log(result.compacteded); // true/false
console.log(result.savedTokens); // 节省的 token 数详细设计文档见 references/architecture.md。
注意事项
⚠️ 压缩不可逆 - 早期消息细节永久丢失 ⚠️ 阈值设置 - 建议 maxTokens 设较高 (4000-6000) 避免过早压缩 ⚠️ 生产增强 - 考虑集成 LLM 生成高质量摘要
参考资料
references/architecture.md- 详细设计说明- claw-code 原始实现:
compact.rs(https://github.com/instructkr/claw-code)
版本: 0.1.0 作者: 小李 (基于 claw-code 分析实现)