核心用法
该技能包提供两项核心能力：
1. Context Optimizer（上下文优化器） — 持续监控对话长度，当消息量或 token 数超过设定阈值时，自动提取关键信息与事实，清理冗余历史，防止 "prompt too large" 错误。
2. Task Processor（任务处理器） — 检测超出 token 限制的大任务，智能拆分为子任务串行处理，同时与上下文优化器协同，确保处理过程中不发生溢出。
安装后通过 /optimize-context 和 /process-task 命令手动触发，或依赖后台 context-monitor.js 实现自动监控。
显著优点
- 自动化防护：无需人工干预即可预防 token 溢出，显著降低长会话中断率
- 无缝集成：后台监控与正常对话流程融合，不打断用户体验
- 灵活配置：通过
task_processing_config.json自定义阈值、触发时机等参数 - 双重保障：上下文压缩 + 任务拆分形成互补机制，覆盖不同溢出场景
潜在缺点与局限性
- 信息损失风险：自动压缩可能误删用户认为重要的细节，关键对话建议手动确认
- 拆分粒度依赖配置：任务拆分策略若配置不当，可能导致子任务过多或语义断裂
- OpenClaw 生态绑定：专为 OpenClaw 设计，迁移至其他框架需重写适配层
- 调试透明度有限：自动优化过程对用户黑箱，复杂场景下问题定位较困难
适合人群
- 需要维持超长多轮对话的 OpenClaw 重度用户
- 处理复杂分析、代码生成等大输入任务的开发者
- 追求"set and forget"自动化体验，不愿手动管理 token 的技术团队
常规风险
- 配置误操作：阈值设置过低导致频繁压缩影响连贯性，或过高失去防护意义
- 版本兼容性：OpenClaw 更新后监控机制可能失效，需跟进维护
- 敏感数据残留：压缩逻辑若未妥善处理，关键信息可能留存于被清理的上下文片段中