（2029期）Context Slimmer – 智能审计上下文，释放token潜能

智能审计上下文，释放token潜能 审计并精简始终加载的上下文文件，智能测量token成本并推荐移动、删除或压缩策略，目标将8个核心文件从潜在数千token优化至2800token以内。 使用说明 核心用法 Context Slimmer 是一款面向大模型工作区上下文管理的专用审计工具，核心功能是系统性地测量、分析和优化始终加载的上下文文件（AGENTS.md、TOOLS.md、USER.md、MEMORY.md、HEARTBEAT.md、SOUL.md、IDENTITY.md、HEARTBEAT.md）。用户通过 bash scripts/measure.sh 快速测量当前token成本，或使用 --audit 参数获取完整的优化建议报告。 显著优点 精准的token审计机制：明确设定8个核心文件的lean target（AGENTS.md <500 tokens、IDENTITY.md <50 tokens等），总目标控制在2,800 tokens以内，为开发者提供可量化的优化基准。 三层优化策略：建立清晰的决策框架——Move（移至按需加载的skill）、Remove（删除过时/重复内容）、Compress（压缩冗长说明），避免盲目删减导致功能损失。 实战验证的规则：内置7条经验法则，如"cron job处理的内容应从HEARTBEAT.md移除""SOUL.md内容不在AGENTS.md重复"等，减少主观判断成本。 结构化输出：报告包含当前大小、预估优化后大小、单文件节省量，以及按move/remove/compress分类的具体建议，便于执行跟踪。 潜在缺点与局限性 依赖人工执行：工具仅输出建议，实际文件修改需用户手动完成，存在"知易行难"的执行落差风险。 静态目标可能僵化：2,800 token总目标基于通用场景设定，特定复杂项目（如多角色协作、高频任务切换）可能需要更高上下文负载，盲目追求目标可能损害功能完整性。 未覆盖动态上下文：专注于静态文件优化，未涉及对话历史、检索增强生成（RAG）等动态上下文的token管理，全面优化需配合其他工具。 适合人群 使用大模型进行长期项目开发、上下文文件膨胀的开发者 追求token成本优化、响应速度提升的AI工程团队 需要维护复杂agent配置、多文件协作系统的技术负责人 常规风险 过度压缩风险：激进执行remove/compress可能导致关键上下文丢失，使agent行为偏离预期。建议在修改前备份文件，并小范围测试验证。 文件依赖断裂：move操作若未更新相关引用路径，可能导致skill加载失败。需配合版本控制与变更审查流程。 目标误用：将lean target绝对化，忽视业务场景实际需求，可能引发"为优化而优化"的反效果。建议将目标视为参考基准而非强制红线。 原始说明 Audit and slim down always-loaded context files (AGENTS.md, TOOLS.md, USER.md, MEMORY.md, HEARTBEAT.md, SOUL.md, IDENTITY.md). Use when asked to reduce token usage, audit context files, optimize context window, or slim down workspace files. Measures current token cost and identifies what to move, remove, or compress.