Context Gatekeeper 综合评估
核心用法
Context Gatekeeper 是一款面向长对话场景的上下文压缩技能，通过 Python 脚本将完整对话历史提炼为结构化简报。其核心机制包含三层：
1. 历史记录层：以 ROLE: texto 格式追加每轮对话至 context/history.txt
2. 智能压缩层：执行脚本生成 context/current-summary.md，包含：
3. 注入层：API 调用前加载摘要文件，替代完整历史
- 决策摘要（最多6句关键决策）
- 待办事项（自动提取 TODO/下一步/跟进等）
- 最近4轮对话原文（保留即时上下文）
脚本支持 STDIN 输入、自定义句子/轮数限制，输出为可直接注入的 Markdown 格式。
显著优点
| 维度 | 优势 |
|------|------|
| **成本控制** | 将百轮对话压缩至~1页文本，token 用量可能降低 80%+ |
| **专注度提升** | 过滤闲聊/过时信息，模型仅见"决策+待办+近况" |
| **可审计性** | 结构化 Markdown 便于人工复核对话轨迹 |
| **零侵入设计** | 并行运行不改动原有对话流，可随时回滚完整历史 |
| **待办联动** | 自动提取 action items，可与任务管理系统集成 |
潜在缺点与局限
1. 信息损失风险：摘要依赖简单规则（句子数限制），可能丢弃 nuanced context；复杂多线程对话易出现"断片"
2. 提取准确性：TODO 识别基于关键词匹配（TODO/ próxima ação/ tarefa/ follow-up），对隐含义务或口语化承诺捕捉不足
3. 语言偏向：示例与文档为葡语/英语混合，非英语对话的摘要质量未明确验证
4. 冷启动摩擦：需手动维护 history.txt 格式，无自动 hooks 时需额外 cron/loop 配置
5. 无状态安全：摘要文件为本地明文，多用户场景下无访问控制
适合人群
- 高频 API 用户：日均 50+ 轮对话、token 成本敏感的场景
- 长周期项目协作：需跨会话保持上下文（如季度规划、持续开发）
- 自动化工作流：已通过 cron/systemd 管理定时任务的进阶用户
- Claude/OpenAI 重度使用者：熟悉
context7、compact等类似概念的生态用户
常规风险
| 风险类型 | 说明 | 缓解建议 |
|----------|------|---------|
| 摘要过度简化 | 关键细节被6句限制裁剪 | 关键决策后手动加注 `[[IMPORTANT]]` 标记 |
| 待办遗漏 | 口语化承诺未匹配关键词 | 定期人工复核 `pending-tasks.md` |
| 文件竞争 | 并行写入 `history.txt` 可能损坏格式 | 使用文件锁或序列化写入 |
| 路径依赖 | 硬编码 `context/` 路径限制部署灵活性 | 通过环境变量或 `--summary` 参数外化配置 |
生态定位
该技能本质是对 OpenClaude compact 命令的文件化、可脚本化实现，适合需要跨平台、可版本控制、与 CI/CD 集成的工程场景。与依赖向量数据库的长期记忆方案相比，它牺牲了召回率换取确定性和零依赖。