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 |