context-clean-up

核心用法

context-clean-up 是一款审计优先的诊断型技能，专注于解决 AI 助手会话中因上下文膨胀导致的响应变慢、成本上升和噪音干扰问题。用户通过 /context-clean-up 命令触发审计流程，系统生成排名 offender 列表 + 低风险修复计划，全程不执行任何自动变更。

标准工作流三步走：

1. 范围界定：确认 workspace 目录与 OpenClaw 状态目录（默认 macOS/Linux ~/.openclaw，Windows %USERPROFILE%\.openclaw）
2. 运行审计脚本：执行 python3 scripts/context_cleanup_audit.py 生成 JSON 报告，解读指标包括 tool result 体积、自动化 transcript 噪音、bootstrap 文件膨胀程度、常驻专家技能数量等
3. 输出修复计划：按风险梯度（噪音纪律 → 启动文件精简 → 常驻表面缩减 → 高风险配置变更）提供 3-8 项具体建议，每项附精确变更、预期效果、回滚步骤、验证方法

权威验证机制

该技能强调可量化验证，优先采用 fresh-session /context json 收据中的硬指标（promptTokens、skills.promptChars、projectContextChars 等），拒绝依赖"感觉变快了"等主观反馈。若收据不可用，则降级为基于排名的估算，并明确标注置信度。

典型诊断对象

| 膨胀类别 | 具体表现 | 修复策略 |

|---------|---------|---------|

| 工具结果堆叠 | 超大 `exec`/`read`/`web_fetch` 输出残留 | 截断或外置存储 |

| 自动化噪音 | cron "OK" 心跳、非告警级日志 | 成功时静默 (`NO_REPLY`) |

| 启动文件膨胀 | 臃肿的 `AGENTS.md`/`MEMORY.md`/`SKILL.md` | 迁移至 `references/` 按需加载 |

| 常驻专家冗余 | 低频使用却 always-on 的专业技能 | 转为按需 worker/subagent |

| 摘要累积 | 携带过多历史细节的滚动摘要 | 仅保留重启关键事实 |

关键局限与注意事项

会话隔离效应：OpenClaw 多数运行时会在会话开始时快照技能/bootstrap 配置，因此当前会话内执行的清理操作无法立即生效，需开启新会话进行权威验证。该技能明确禁止自动删除、无人值守配置编辑、静默 cron 修剪，所有变更必须经用户显式批准。

手动辅助要求：若需文件级深度分析，用户须手动运行捆绑脚本并粘贴 JSON 结果，技能本身不调用 exec 或 read 工具，安全边界清晰。

适合人群

• 高频使用 OpenClaw 且会话成本敏感的专业开发者
• 维护复杂多技能工作流的自动化工程师
• 遭遇"越来越慢"但难以定位根源的诊断型用户

常规风险

| 风险等级 | 场景 | 缓释措施 |

|---------|------|---------|

| 低 | 误判膨胀源导致无效优化 | 多维度指标交叉验证 |

| 中 | 新会话验证遗漏，误以为优化失败 | 文档强制提醒 session 隔离 |

| 低 | 手动脚本执行环境依赖问题 | 提供 Windows/macOS/Linux 三平台命令变体 |

核心用法

context-clean-up 是一款专为 OpenClaw 生态设计的纯审计型诊断工具，用于定位会话上下文膨胀（context bloat）的罪魁祸首。用户通过 /context-clean-up 触发后，工具会分析本地会话状态文件，生成一份包含「罪魁祸首排名 + 3-8 项低风险修复建议 + 回滚方案」的审计报告，全程零自动修改。

进阶用户可手动运行捆绑的 Python 脚本（scripts/context_cleanup_audit.py）导出详细 JSON 数据，结合 fresh-session /context json 收据进行前后对比验证。

---

显著优点

| 维度 | 表现 |

|------|------|

| **安全模型** | 明确禁用 `exec`/`read` 工具，不触碰任何运行时配置，审计与执行严格分离 |

| **零依赖风险** | Python 脚本仅用标准库（argparse、json、pathlib 等），无第三方包，无供应链攻击面 |

| **可逆设计** | 每项修复建议强制包含「预期影响 + 回滚步骤 + 验证方法」，降低误操作风险 |

| **信号优先** | 优先采用 `/context json` 等客观指标，拒绝「感觉变快了」式主观反馈 |

| **分层修复** | Phase 1-4 渐进式修剪阶梯，从「静默自动化」到「工具面收窄」，风险逐级升高 |

---

潜在缺点与局限性

1. 审计非即时生效：OpenClaw 运行时会话启动时快照 Skill 与引导配置，优化结果需在新会话中才能权威验证，当前会话可能仍感「无变化」。
2. 需手动介入：不会自动删除文件或修改配置，对期望「一键瘦身」的用户不够便捷。
3. 环境依赖：需本地 Python 3 环境，Windows 用户需使用 py -3 而非 python3。
4. 诊断深度受限：不分析具体文件内容语义，仅统计字符数、行数等表层指标，无法识别「提示词质量差但体积小」类问题。

---

适合人群

• OpenClaw 重度用户：会话变慢、token 成本飙升、输出质量下降时主动诊断。
• 团队管理员：为多成员 workspace 制定上下文管理规范与清理 SOP。
• 安全敏感型开发者：拒绝任何自动修改、要求审计与执行分离的保守派用户。

---

常规风险

| 风险项 | 等级 | 说明 |

|--------|------|------|

| 误读审计结果 | 低 | 用户可能将「建议」当作「必须执行」，需配合 SKILL.md 中的「最低风险优先」原则 |

| 手动脚本误用 | 低 | 脚本虽只读，但若用户误改脚本源码可能引入行为变化，建议校验 SHA256 |

| 隐私合规 | 极低 | 仅读取本地 `~/.openclaw` 会话统计（字符数、行数），不提取内容、不上传云端 |

---

权威验证建议

修复后务必执行「新会话 + /context json 收据对比」三部曲，避免被旧会话快照蒙蔽。