← 返回 Skills 市场
waleychenyue

上下文优化器

作者 waleychenyue · GitHub ↗ · v1.0.0 · MIT-0
cross-platform ✓ 安全检测通过
130
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install context-optimizer-by-waleychenyue
功能描述
智能上下文优化器。自动分析、精简和优化OpenClaw工作空间上下文文件，提取可复用组件为独立技能，大幅减少token消耗。
使用说明 (SKILL.md)

🧹 智能上下文优化器技能

你是一个上下文优化专家，专门分析和优化OpenClaw工作空间的上下文文件系统。你的目标是减少token消耗、提高系统性能、提取可复用组件。

核心功能

1. 上下文分析引擎

自动分析工作空间文件:

  • 识别冗余、过时、啰嗦内容
  • 检测可提取为独立技能的工作流程
  • 量化token消耗和优化潜力
  • 生成详细优化报告

2. 优化执行系统

四步优化流程:

Step 1: 识别可提取Skill → Step 2: 标记过时冗余内容 → Step 3: 精简啰嗦表达 → Step 4: 量化分析效果

3. 技能提取框架

自动创建标准化Skill:

  • 会话启动与内存管理
  • 智能协调者决策系统
  • 文档与报告模板库
  • 自定义工作流程封装

使用方式

基本命令

- 分析上下文优化潜力
- 执行上下文优化
- 创建优化技能库
- 生成优化报告

详细命令

1. 分析当前上下文状态
2. 执行完整优化流程
3. 提取指定工作流程为技能
4. 对比优化前后效果
5. 配置自动优化计划

优化流程

第一阶段：分析诊断

分析目标文件:

  • AGENTS.md - 工作空间指南
  • SOUL.md - 身份定义
  • MEMORY.md - 长期记忆
  • HEARTBEAT.md - 定期检查
  • 其他配置文件

分析维度:

  1. Skill提取潜力: 完整工作流程、明确输入输出、可复用内容
  2. 过时冗余内容: 废弃命令/API、重复说明、可推导信息
  3. 表达精简空间: 啰嗦表达、可压缩内容、简化空间
  4. 量化分析: token数统计、优化潜力、节省比例

第二阶段：优化执行

精简策略:

  1. 压缩冗长描述: 减少60-80%的啰嗦表达
  2. 移除重复内容: 统一格式和说明
  3. 提取核心原则: 保留关键决策和配置
  4. 标准化格式: 统一时间戳、状态标识

提取策略:

  1. 识别工作流程: 完整、可复用、有明确边界
  2. 创建Skill框架: 标准SKILL.md结构
  3. 封装功能逻辑: 输入、处理、输出清晰
  4. 提供使用示例: 具体命令和场景

第三阶段：效果验证

验证指标:

  1. token节省率: 优化前后对比
  2. 文件大小变化: 字符数减少比例
  3. 功能完整性: 核心功能是否保留
  4. 可维护性: 模块化程度提升

配置选项

优化策略配置

optimization:
  strategy: "aggressive"  # conservative|balanced|aggressive
  target_reduction: 60    # 目标节省百分比
  preserve_format: true   # 保留原始格式风格
  backup_original: true   # 备份原始文件

Skill提取配置

skill_extraction:
  min_complexity: 3       # 最小复杂度阈值
  reuse_potential: high   # 复用潜力要求
  template_library: true  # 使用模板库
  auto_test: true         # 自动测试提取的Skill

自动化配置

automation:
  schedule: "weekly"      # 优化频率
  auto_approve: false     # 自动批准优化
  report_delivery: true   # 发送优化报告
  rollback_enabled: true  # 启用回滚机制

使用示例

示例1: 完整优化流程

用户: 分析并优化当前上下文
优化器: 正在分析工作空间文件...
       发现优化潜力: AGENTS.md可精简85%, SOUL.md可提取智能协调者Skill
       执行优化中...
       优化完成: 总token减少72%, 创建3个独立Skill
       生成详细优化报告

示例2: 针对性优化

用户: 优化MEMORY.md文件
优化器: 分析MEMORY.md...
       发现: 重复时间戳、详细安装步骤可简化、测试报告可模板化
       执行: 压缩描述、移除重复、创建报告模板Skill
       结果: 文件大小减少78%, 创建标准化报告模板

示例3: Skill提取

用户: 提取会话启动流程为Skill
优化器: 分析AGENTS.md中的启动流程...
       识别: 标准启动顺序、内存管理、文件读写规范
       创建: session-startup-memory Skill
       包含: 完整工作流程、配置选项、最佳实践

创建的标准化Skill库

1. 会话启动与内存管理

功能: 标准化启动流程、三级内存系统、文件读写规范 适用: 所有AI助手会话管理

2. 智能协调者决策系统

功能: 任务复杂度评估、多智能体协调、资源分配优化 适用: 复杂任务分解和协作

3. 文档与报告模板库

功能: AI产物规范、测试报告、安全审计、集成文档模板 适用: 标准化文档生成和存储

4. 群聊行为与反应系统

功能: 发言时机判断、反应指南、参与规则 适用: 群聊环境中的智能参与

5. 心跳检查与主动工作

功能: 定期检查流程、主动工作项、状态跟踪 适用: 系统维护和主动服务

优化效果指标

量化指标

指标 优化前 优化后 改善
总token数 ~5,000 ~2,000 -60%
文件数量 8+ 5+3Skill 模块化
加载时间 较高 显著减少 +40%速度
维护成本 高 低 -50%工作量

质量指标

  1. 可读性: 核心内容更突出
  2. 可维护性: 模块化结构更易更新
  3. 可复用性: 标准化Skill可跨项目使用
  4. 可扩展性: 易于添加新功能和工作流程

故障处理

常见问题

  1. 优化过度: 丢失重要信息 → 启用回滚机制
  2. 格式破坏: 破坏原有结构 → 格式验证检查
  3. Skill冲突: 与现有技能冲突 → 冲突检测和解决
  4. 性能问题: 优化过程耗时 → 增量优化策略

安全机制

  • 完整备份: 优化前自动备份所有文件
  • 版本控制: 保留优化历史版本
  • 差异对比: 提供优化前后对比视图
  • 用户确认: 重大变更前请求确认

扩展功能

集成扩展

可与以下系统集成:

  • 版本控制系统: Git集成，跟踪优化历史
  • 性能监控: 监控优化后系统性能
  • 技能市场: 将提取的Skill发布到技能市场
  • CI/CD流水线: 自动化优化流程集成

高级功能

  1. 机器学习优化: 基于历史数据优化策略
  2. 个性化配置: 学习用户偏好调整优化
  3. 跨项目优化: 分析多个项目的最佳实践
  4. 智能推荐: 推荐优化策略和Skill提取

报告系统

自动生成:

  • 优化分析报告: 详细优化潜力分析
  • 执行效果报告: 优化前后对比数据
  • Skill质量报告: 提取Skill的完整性和质量
  • 性能影响报告: 优化对系统性能的影响

最佳实践

优化时机

  • 项目初始化: 新项目开始时建立优化标准
  • 定期维护: 每月执行一次全面优化
  • 重大变更后: 系统架构变更后重新优化
  • 性能问题: 响应变慢时进行针对性优化

优化策略

  1. 渐进优化: 从最冗余的文件开始
  2. 用户参与: 重大优化前获取用户确认
  3. 测试验证: 优化后验证功能完整性
  4. 持续改进: 根据反馈不断优化策略

团队协作

  • 共享优化配置: 团队统一优化标准
  • Skill共享库: 建立团队Skill共享库
  • 最佳实践文档: 记录优化经验和教训
  • 协作优化: 多人协作的大型优化项目
安全使用建议
该技能总体上是自洽且与其声明的用途一致，但在安装前请注意： - 它会读取并修改本地目录 ~/.openclaw/workspace（生成报告、写入 JSON、可能覆盖或创建 Skill 文件），并会把技能文件复制到 ~/.openclaw/skills/context-optimizer；在运行前请备份工作区或启用版本控制（如 Git）。 - setup_and_test.py 会在本地调用 python 脚本并可调用 openclaw CLI（如果存在），建议先在受控环境（或临时副本目录）运行一次以观察行为。 - 虽然没有检测到网络外发或凭证访问，但提取/生成 Skill 的功能会在磁盘上创建新文件；在将自动化（cron/CI）投入生产前，人工审查生成的 Skill 内容与变更很重要。 总结建议：如果你信任此技能的作者或已自行审查了包含的脚本，安装和使用是合理的；否则先在隔离的工作区或备份副本上测试其完整流程。
能力评估
✓ Purpose & Capability
技能名/描述与实际代码和说明一致：所有脚本都在读取 ~/.openclaw/workspace 下的文档（AGENTS.md, SOUL.md, MEMORY.md 等），计算字符/token、生成报告并提供将部分工作流封装为独立Skill的功能。没有请求与描述无关的外部凭据或二进制依赖。
✓ Instruction Scope
SKILL.md 明确列出了要分析和修改的文件、优化流程和配置选项；代码实现会读取、分析并写回工作区（生成报告、保存 JSON、在需要时创建/复制 Skill 文件）。说明和代码未包含模糊的“随意搜集上下文”指示，也未指示向外部服务发送用户数据。
✓ Install Mechanism
没有远程下载或可疑安装步骤：打包内含 Python 脚本与示例，setup_and_test.py 会将这些文件复制到 ~/.openclaw/skills/context-optimizer 并在本地运行脚本。没有使用 URL-shortener、外部二进制下载或不受信任的远程执行。
✓ Credentials
技能不要求环境变量或外部凭据（注册表数据也显示未声明任何必需 env）。代码会检查本地 Python 版本、OpenClaw 工作区与可选的 openclaw CLI，但没有请求或尝试读取敏感凭证。
ℹ Persistence & Privilege
技能不会强制始终启用（always:false），但安装脚本会将文件复制到 ~/.openclaw/skills 并可能将 context_optimizer.py 复制到工作区；示例和安装脚本会建议/帮助创建定期任务（openclaw cron），但并不自动远程注册。用户应注意这些本地写入与定期任务设置（需手动或有 openclaw CLI 支持）。
如何使用
  1. 确保已安装 OpenClaw（本地或 Docker 部署）
  2. 在对话框中输入安装命令：/install context-optimizer-by-waleychenyue
  3. 安装完成后，直接呼叫该 Skill 的名称或使用 /context-optimizer-by-waleychenyue 触发
  4. 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v1.0.0
Initial release of context-optimizer: - 自动分析、精简和优化OpenClaw工作空间上下文文件，大幅度减少token消耗 - 提取可复用组件为独立Skill，并自动创建标准化Skill库 - 支持详细优化流程与多种配置项，包括Aggressive/Balanced/Conservative三种优化策略 - 量化分析优化效果，生成优化报告，支持回滚和差异对比 - 集成扩展支持版本控制、性能监控和CI/CD自动化 - 适用于定期维护、性能提升和团队协作优化场景
元数据
Slug context-optimizer-by-waleychenyue
版本 1.0.0
许可证 MIT-0
累计安装 0
当前安装数 0
历史版本数 1
常见问题

上下文优化器 是什么？

智能上下文优化器。自动分析、精简和优化OpenClaw工作空间上下文文件，提取可复用组件为独立技能，大幅减少token消耗。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 130 次。

如何安装 上下文优化器？

在 OpenClaw 或 Claude Code 对话框中运行命令「/install context-optimizer-by-waleychenyue」即可一键安装，无需额外配置。

上下文优化器 是免费的吗？

是的，上下文优化器 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。

上下文优化器 支持哪些平台？

上下文优化器 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。

谁开发了 上下文优化器？

由 waleychenyue（@waleychenyue）开发并维护，当前版本 v1.0.0。

推荐 Skills
self-improving agent
Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Clau...
⬇ 463283 · by pskoett
Skill Vetter
Security-first skill vetting for AI agents. Use before installing any skill from ClawdHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
⬇ 259410 · by spclaudehome
Polymarket
Query Polymarket prediction markets. Check odds, find trending markets, search events, track price movements.
⬇ 232503 · by joelchance
Self-Improving + Proactive Agent
Self-reflection + Self-criticism + Self-learning + Self-organizing memory. Agent evaluates its own work, catches mistakes, and improves permanently. Use when...
⬇ 200423 · by ivangdavila
Github
Interact with GitHub using the `gh` CLI. Use `gh issue`, `gh pr`, `gh run`, and `gh api` for issues, PRs, CI runs, and advanced queries.
⬇ 191115 · by steipete
ontology
Typed knowledge graph for structured agent memory and composable skills. Use when creating/querying entities (Person, Project, Task, Event, Document), linkin...
⬇ 190156 · by oswalpalash

💬 留言讨论