context-clean-up

核心用法

Context Clean Up 是一款审计专用诊断技能，用于解决大模型对话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 触发，或运行配套 Python 脚本生成结构化审计报告。

审计范围：

• 工具结果残留（exec/read 的大输出、网页抓取内容）
• 自动化脚本噪音（cron 例行报告、心跳检测）
• 引导文件膨胀（AGENTS.md/MEMORY.md/SOUL.md/USER.md 过度增长）
• 累积未修剪的历史摘要

输出内容：排序后的主要污染源清单 + 3-8 项低风险修复建议 + 详细回滚说明。

显著优点

1. 零风险设计：纯只读审计，禁止任何自动删除或配置修改，需用户显式批准才执行变更
2. 可复现审计：提供标准化 Python 脚本，支持跨平台（macOS/Linux/Windows）运行
3. 结构化决策：将模糊的"上下文太大"转化为可量化的污染源排名和优先级修复方案
4. 组织级规范：内置 NO_REPLY 静默成功模式、外带通知通道等最佳实践模板

潜在局限

• 不解决代码级 bug：如需调试特定应用代码，需使用仓库专属调试工具
• 依赖运行时配合：需要 python3 环境及 OpenClaw 状态目录访问权限
• 非实时优化：审计后仍需人工审批和执行修复，无法一键瘦身

适合人群

• 长期运行自动化代理、上下文成本敏感的生产环境运维者
• 对话响应延迟明显恶化、需定位根因的技术团队
• 追求可审计、可回滚变更流程的合规敏感场景

常规风险

| 风险类型 | 说明 |

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

| 误删焦虑 | 技能本身禁止自动删除，但用户自行执行修复时仍可能操作失误 |

| 静默失败 | `NO_REPLY` 语义需运行时支持，配置不当可能导致通知黑洞 |

| 脚本依赖 | Python 环境缺失或路径差异（Windows `py -3` vs `python3`）导致审计失败 |

| 范围遗漏 | 部分自定义存储路径若未通过 `--state-dir` 指定，可能审计不全 |

核心用法

context-clean-up 是一款审计型 Skill，专为解决 OpenClaw 交互式会话中常见的「上下文膨胀」问题而设计。用户通过 /context-clean-up 触发后，Skill 会执行以下流程：

1. 范围确定：识别工作区目录与 OpenClaw 状态目录（默认 ~/.openclaw）
2. 审计扫描：运行 Python 脚本分析会话 JSONL 文件，定位四大膨胀源——工具输出残留（exec/read/web_fetch）、自动化脚本噪音（cron/heartbeat）、启动文件臃肿（AGENTS.md/MEMORY.md 等）、累积摘要未清理
3. 生成报告：输出按风险排序的「违规者列表」+ 3-8 条低风险修复建议 + 完整回滚方案

关键约束：纯审计模式，不执行任何删除、修改或配置变更。若用户要求实施修复，Skill 会生成精确补丁并等待显式确认。

显著优点

• 零副作用设计：disable-model-invocation: true 配合只读工具权限（read/exec/sessions_*），从根本上杜绝误操作
• 完全离线运行：Python 3 标准库实现，零第三方依赖，无网络请求，适合隔离环境
• 可逆操作哲学：每项建议附带回滚说明，降低用户心理门槛
• 精准定位：区分工具输出、自动化噪音、启动文件、历史摘要四类场景，避免一刀切
• 跨平台支持：Windows（py -3）与 Unix-like 系统兼容

潜在局限

• 需人工介入：不自动执行清理，重度依赖用户决策，对追求「一键瘦身」的用户不够友好
• T3 来源限制：社区项目无官方 GitHub 仓库，版本追溯与供应链安全依赖本地哈希验证
• 覆盖率边界：仅针对 OpenClaw 特定运行时（会话 JSONL、AGENTS.md 等），对其他 AI 会话框架无直接适用性
• 无测试覆盖：当前版本缺少单元测试，长期可维护性待观察

适合人群

• 成本敏感用户：上下文膨胀导致 API 费用上涨，需要量化诊断
• 延迟优化者：大上下文拖慢模型响应，希望精准减负而非盲目清空
• 安全优先团队：拒绝任何自动删除策略，坚持「先审计后决策」的合规流程
• OpenClaw 进阶用户：熟悉 NO_REPLY 机制、环境变量配置与引用文件管理的运维人员

常规风险

| 风险项 | 级别 | 说明 |

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

| 环境变量读取 | Low | 仅读取 `OPENCLAW_STATE_DIR` 路径变量，无凭证泄露 |

| 本地文件扫描 | Low | 限定在用户指定的 workspace 与 state 目录，配合 `resolve()` 防遍历 |

| 供应链安全 | Info | T3 来源建议验证 `sha256:0fb5b8a6...` 哈希后再部署 |

| 误依赖风险 | 无 | 零外部依赖，无 PyPI 包被投毒可能 |

总体评估：该 Skill 属于低风险、高可控的运维辅助工具，适合生产环境审计使用，但建议通过官方渠道获取后续版本以降低供应链不确定性。