Token导航 LogoToken导航

Agent Skill · 效率

subagent-context-compactor(子 Agent 上下文压缩器)

subagent-context-compactor 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。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。

subagent-context-compactor 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描有提醒项,按安装量在效率类的 21,003 个 Skill 里排第 6,275。

总安装 9,560周安装 383GitHub Stars 公开资料未说明下载 3,095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
1.0.0

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:subagent-context-compactor(子 Agent 上下文压缩器)
来源仓库:https://github.com/geoshan/subagent-context-compactor
安装命令:
openclaw skills install subagent-context-compactor
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 subagent-context-compactor

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

上下文压缩代理,采用分层策略压缩,基于内存使用触发。处理HOT/WARM/COLD三层数据,优化令牌使用。当用户需要压缩对话上下文、优化内存使用、管理会话历史、减少令牌消耗时使用此技能。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。

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 subagent-context-compactor;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

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

subagent-context-compactor 怎么安装?

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

subagent-context-compactor 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。

subagent-context-compactor 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

subagent-context-compactor 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。

subagent-context-compactor 用的人多吗?

公开数据是累计安装 9,560 次,近一周安装 383 次,下载 3,095 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。

subagent-context-compactor 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。
  • 需要处理效率类任务、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。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
subagent-context-compactor

子 Agent 上下文压缩器 · 本页

9,560—需要联网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

name
subagent-context-compactor
description
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。

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

# 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

# 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:

{
  "compaction": {
    "hot_layer": {"max_items": 20, "importance_threshold": 0.7},
    "warm_layer": {"max_items": 100, "importance_threshold": 0.4},
    "cold_layer": {"max_items": 500, "importance_threshold": 0.2}
  },
  "triggers": {
    "memory_threshold": 0.7,
    "message_threshold": 50,
    "time_interval_hours": 1
  }
}

🔧 集成到OpenClaw

1. 添加到心跳检查

编辑 HEARTBEAT.md,添加:

# 上下文压缩检查
- 检查压缩系统状态
- 查看最近压缩报告
- 优化配置参数

2. 创建定时任务

使用cron设置定期压缩:

# 每小时检查一次
0 * * * * cd /path/to/context-compactor && python3 integration.py --check

3. 集成到会话管理

在会话开始时自动启动监控:

# 在会话初始化脚本中添加
./start_monitor.sh

📊 监控和报告

系统提供详细的监控和报告功能:

实时监控

  • Token使用率
  • 消息数量统计
  • 压缩触发次数
  • 系统性能指标

压缩报告

  • 压缩前后对比
  • Token节省统计
  • 重要性分布
  • 时间线分析

查看报告

# 生成详细报告
python3 integration.py --report

# 查看最近压缩
python3 integration.py --recent 5

🛠️ 高级功能

自定义压缩策略

# 在config.json中调整
{
  "compaction_strategy": "aggressive",  # 可选: conservative, balanced, aggressive
  "preserve_keywords": ["重要", "决策", "任务", "偏好"],
  "remove_patterns": ["重复", "冗余", "无关"]
}

重要性评估算法

系统使用多种因素评估信息重要性:

  1. 时间因素 - 越新的信息越重要
  2. 内容因素 - 包含决策、任务、偏好的信息
  3. 交互因素 - 用户明确标记的重要信息
  4. 结构因素 - 对话结构中的关键节点

智能保留机制

  • 决策点 - 保留所有决策和选择
  • 任务定义 - 保留任务描述和要求
  • 用户偏好 - 保留用户明确表达的偏好
  • 错误修正 - 保留错误和修正过程

🔍 故障排除

常见问题

Q: 压缩系统没有启动?

# 检查进程
ps aux | grep compactor

# 查看日志
tail -f logs/compactor.log

Q: 压缩效果不明显?

# 调整配置
python3 integration.py --config --memory-threshold 0.6

# 查看详细统计
python3 integration.py --stats

Q: 系统占用资源过多?

# 调整监控间隔
python3 integration.py --config --interval 300

# 限制压缩频率
python3 integration.py --config --max-compactions 10

日志查看

# 查看系统日志
tail -f logs/system.log

# 查看压缩日志
tail -f logs/compaction.log

# 查看错误日志
tail -f logs/error.log

📈 性能优化

最佳实践

  1. 定期清理 - 每天自动清理旧日志
  2. 监控调整 - 根据使用情况调整阈值
  3. 备份配置 - 定期备份重要配置
  4. 性能测试 - 定期运行性能测试

资源管理

# 设置资源限制
ulimit -n 1024

# 监控内存使用
watch -n 5 'free -m'

# 查看磁盘使用
df -h .

🤝 贡献和扩展

添加新功能

  1. 在 compactor.py 中添加新的压缩算法
  2. 在 monitor.py 中添加新的监控指标
  3. 在 integration.py 中添加新的集成功能

自定义扩展

# 创建自定义压缩器
class CustomCompactor:
    def compress(self, context):
        # 自定义压缩逻辑
        pass

📚 相关资源

🎉 开始使用

现在就开始优化您的对话上下文吧!系统已经准备就绪,只需简单的命令即可启动:

# 克隆技能到本地
git clone <repository-url> context-compactor

# 安装依赖
pip install -r requirements.txt

# 启动系统
./start_system.sh

# 享受高效的上下文管理!

记住: 好的上下文管理是高效对话的关键。让这个技能帮助您保持对话的清晰和高效!

平台分布

OpenClaw

70.27%
按下载量换算2,175

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

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