（475期）RLM Controller – 超长上下文智能切片与递归分析引擎

超长上下文智能切片与递归分析引擎 基于RLM架构的长上下文控制器，通过切片、递归子调用和严格安全策略处理超长文档，支持仓库级规模分析。 使用说明 核心功能 rlm-controller 是一款专为超长上下文处理设计的结构化控制器，采用RLM（Recursive Language Model）架构，将海量输入转化为可管理的外部上下文文件，通过智能切片、关键词检索和批量子调用实现高效分析。 显著优点 窗口突破能力：将远超模型上下文限制的输入（大型日志、数据集、多文件仓库）转化为可处理单元 模块化架构：10+个专用脚本分工明确（存储、规划、调度、执行、聚合），职责清晰 安全优先设计：硬编码的安全策略——仅执行白名单脚本、递归深度锁死为1、子调用数量上限、提示注入防护 异步并行：支持非阻塞式子代理批量生成，提升处理效率 OpenClaw原生集成：深度适配sessions_spawn、exec等工具链 潜在局限 配置复杂度：需理解policy.md中的阈值参数和切片策略才能优化性能 调试门槛：递归子调用的聚合结果需要人工校验 非完全自主：大输入场景下仍需人工确认异步批次的合理性 临时文件管理：需主动调用cleanup.sh避免磁盘堆积 适合人群 处理GB级日志/代码仓库的DevOps工程师 需要跨文档关联分析的研究人员 构建企业级RAG管道的架构师 常规风险 误配disableModelInvocation可能导致非预期自主调用 子代理失败时根会话的聚合结果可能不完整 关键词规划阶段的质量直接影响后续切片准确性 技术亮点 控制器采用"存储→规划→切片→派发→聚合"的五阶段流水线，其中rlmauto.py和rlmasync_plan.py实现了意图驱动的自动任务分解，将传统长文本处理的工程负担大幅降低。 原始说明 RLM-style long-context controller that treats inputs as external context, slices/peeks/searches, and spawns recursive subcalls with strict safety limits. Use...