（1159期）Context Pruner – 长会话瘦身专家，Token 智能节流

长会话瘦身专家，Token 智能节流 智能上下文管理技能，通过摘要和去重压缩历史记录，帮助智能体在长对话中保持高效性能。 使用说明 Context Pruner 技能综合评估 核心用法 Context Pruner 是一款专为长会话场景设计的上下文窗口管理技能，主要解决 AI 智能体在长时间对话中出现的"上下文膨胀"问题。该技能通过三层处理机制实现优化：首先识别并过滤"确认收到"类噪音消息及填充词；其次将对话中的事实信息提取为结构化数据，剥离冗余的交谈表达；最后将超长对话记录分块压缩为可检索的摘要形式。 显著优点 Token 经济性：有效降低长会话的 token 消耗，减少 API 调用成本 性能保鲜：避免上下文过长导致的模型注意力稀释，维持响应质量 结构化输出：将非结构化对话转为可搜索的摘要，便于后续引用 开箱即用：通过 clawhub install context-pruner 一键安装 潜在局限 信息损耗风险：自动化摘要可能遗漏关键语境或隐含意图 时序敏感场景：某些依赖精确对话历史的任务（如谈判追踪）可能受影响 摘要质量波动：复杂多轮推理场景的压缩效果依赖具体实现 适合人群 需要运行数小时以上的自动化 Agent 开发者 多轮复杂对话系统的架构师 关注 API 成本优化的企业级用户 长文档分析、持续监控类应用场景 常规风险 | 风险类型 | 说明 | 缓释建议 ||---------|------|---------|| 关键信息丢失 | 激进压缩导致决策依据缺失 | 保留原始会话的哈希校验 || 语义漂移 | 多次摘要后的累积误差 | 设置最大压缩深度阈值 || 合规审计困难 | 对话记录不完整 | 对敏感领域启用完整日志旁路 | 原始说明 Intelligent context window management by summarizing and removing redundant history. Helps agents maintain high performance in long-running threads.