context-clean-up

核心用法

context-clean-up 是一个审计优先的运行手册型技能，专门解决 AI 对话上下文膨胀问题（表现为回复变慢、API 成本上升、历史记录嘈杂）。通过调用 sessions_list、sessions_history、session_status 等只读工具，生成按影响排序的"罪魁祸首清单" + 可回滚的修复建议。

典型触发场景：

• 对话明显卡顿或 token 消耗异常
• 怀疑历史记录中存在冗余工具输出
• 自动化脚本产生过多无意义日志

关键设计约束：

• 零自动修改：不删除会话、不修改配置、不调整 cron
• 人类审批：如需变更，必须提供精确补丁 + 回滚方案并等待显式确认
• 可选本地脚本：提供 context_cleanup_audit.py 供用户手动运行，避免被标记为 RCE 能力

显著优点

1. 安全优先架构：禁用 exec 和 read 工具，彻底杜绝任意命令执行与文件读取风险
2. 可逆操作理念：所有建议附带 rollback notes，降低试错成本
3. 精准归因：区分四类常见膨胀源——工具结果转储、自动化噪音、启动文件臃肿、历史摘要累积
4. 渐进式修复：按风险等级排序（Lever A→B→C），优先推荐零副作用的"静默成功"改造

潜在缺点与局限性

• 非全自动：必须人工运行审计脚本并粘贴 JSON，无法一键诊断
• 运行时依赖：需要本地 Python3 环境，Windows 用户可能需调整命令为 py -3
• 平台差异：NO_REPLY 静默语义在不同 OpenClaw 发行版中可能存在兼容性问题
• 无法根治架构缺陷：仅能缓解症状，若底层系统持续产生大输出，需配合其他技能改造

适合人群

• 长期使用 OpenClaw/类似框架的高级用户
• 对 token 成本敏感、需要优化上下文窗口效率的开发者
• 运维自动化脚本较多、希望减少"心跳噪音"的团队

常规风险

| 风险类型 | 等级 | 说明 |

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

| 数据误删 | 极低 | 技能本身禁止删除，但用户手动执行建议时可能操作失误 |

| 自动化静默失效 | 低 | Lever A 改造后，若 `NO_REPLY` 处理不当，可能掩盖真实故障 |

| 信息丢失 | 低 | 移动大文件到 `references/` 后，若引用路径错误会导致启动规则缺失 |

| 依赖泄露 | 极低 | 审计脚本可能暴露会话元数据，但不含敏感内容 |

最佳实践： 首次使用建议在测试会话验证 NO_REPLY 行为，确认无误后再推广到生产自动化流程。

Context Clean Up是一款专为OpenClaw环境设计的上下文审计工具，旨在解决AI对话中因历史记录膨胀导致的响应变慢、成本上升问题。该skill采用独特的audit-only（仅审计）架构，核心设计哲学是"只诊断、不治疗"——它生成详细的膨胀源排名报告和修复建议，但绝不自动执行任何删除或配置修改。

核心功能与用法
运行/context-clean-up触发审计流程，工具会分析sessions_history等会话数据，输出三类关键信息：最大的转录条目（tool结果转储）、最嘈杂的自动化任务（cron/heartbeat）、以及可快速实施的低风险优化方案。用户可选择手动运行附带的Python脚本context_cleanup_audit.py生成JSON格式详细报告。

显著优势
安全架构堪称典范：零第三方依赖（纯标准库）、零网络通信、明确受限的工具权限（仅sessions_list/history/status，无Bash/Write）。S+安全评级与六维满分通过（静态分析、动态行为、依赖审计、网络分析、隐私合规、威胁情报）印证了其可靠性。特别值得一提的是"可逆性设计"——所有建议均附带rollback notes，修复方案按风险层级排序。

潜在局限
作为纯审计工具，它无法一键解决问题，需用户手动执行修复步骤。对于非技术用户，解读JSON审计报告和制定修复计划存在一定门槛。此外，该skill专注于OpenClaw特定环境（AGENTS.md/MEMORY.md等注入文件），通用性有限。

适合人群
主要面向OpenClaw高级用户、DevOps工程师及成本控制敏感的企业团队。适合会话量庞大、存在复杂自动化工作流、需要精细化上下文管理的场景。不适合寻求"一键清理"的简单用户或特定应用bug调试场景。

风险提示
尽管skill本身安全，但用户依据审计报告手动执行的修复操作（如删减MEMORY.md、调整cron输出）可能影响系统行为，建议严格遵循skill提供的风险分层方案，优先实施Lever A-C等低风险杠杆。