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。