Session Watchdog

核心用法

Session Watchdog 是一套会话上下文监控与保护机制，用于在 AI 对话接近容量上限时主动预警并保存关键信息。

主要功能

• 实时监控：通过 session_status 指令检查 contextTokens 字段，掌握当前上下文占用
• 分级预警：设定 140k/160k/197k 三档阈值，对应警告、临界、满载三种状态
• 自动保存：在 160k（约 80%）时触发检查点协议，将关键信息写入 memory/YYYY-MM-DD.md
• 用户决策：提供三种续接方案——继续并接受压缩、总结重启、暂停等待

触发场景

• 新会话启动时
• 每累积 30k tokens 后
• 执行大型任务前（多文件编辑、批量操作）
• 用户主动询问剩余容量

保存内容清单

决策记录、待办任务、项目状态、文件修改记录、未解决问题——确保压缩后核心信息不丢失。

---

显著优点

1. 数据零丢失：通过结构化检查点将易失性会话状态转为持久化存储
2. 体验连续性：用户可选择「总结重启」模式，在清理上下文的同时保留认知连续性
3. 主动透明：系统主动报告状态，而非被动等待错误发生
4. 轻量集成：仅需单次状态查询指令即可接入，无复杂配置

潜在局限

• 手动触发依赖：除启动和 30k 增量检查外，仍需开发者/用户记得在关键节点主动调用
• 存储位置固定：检查点仅写入 memory/ 目录下日期文件，若需多会话共享需额外处理
• 无自动恢复：保存后不会自动加载，需用户手动回顾或使用其他 skill 读取
• 阈值硬编码：140k/160k/197k 三档针对不同模型上下文窗口，若窗口变更需手动调整

适合人群

• 长期协作型项目开发者（代码审查、架构迭代）
• 复杂多轮对话场景（法律咨询、医疗问诊、学术研究）
• 需要精确审计追踪的企业用户
• 对「对话突然中断导致信息丢失」高度敏感的场景

常规风险

| 风险类型 | 说明 | 缓解措施 |

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

| 误报/漏报 | 用户未执行 `session_status` 即超限 | 建立操作习惯：大型任务前必查 |

| 文件冲突 | 多并发会话同时写入同一日期文件 | 时间戳细分或会话 ID 隔离 |

| 信息过载 | 检查点保存内容过多，反致文件臃肿 | 严格筛选「Essential」标准 |

| 隐私泄露 | 敏感信息写入持久化文件 | 文件权限控制 + 定期清理策略 |

核心用法

Session Watchdog 是一款纯文档型监控协议 Skill，旨在帮助用户管理 Claude 会话的上下文容量。其核心机制围绕四级阈值体系展开：0-140k tokens 为安全区正常运行；140k-160k 进入警告区，需向用户预警并保存 checkpoint；160k-197k 为临界区，建议暂停非紧急操作；197k+ 则面临强制压缩。用户通过 session_status 指令查询当前上下文 tokens 数，Skill 会在会话起始、每消耗 30k tokens、或执行大型任务前自动触发检查。

当接近 80% 容量（约 160k tokens）时，Skill 启动标准化 checkpoint 流程：读取当日 memory 文件、追加关键上下文（决策记录、待办任务、项目状态、修改文件路径、未决问题）、写回文件，同时向用户发出警报并提供三种选择——继续并接受压缩、总结重启新会话、或暂停等待准备就绪。

显著优点

预防性信息保护：不同于被动等待压缩发生，该 Skill 主动在危险阈值前介入，确保重要决策和上下文得以持久化，显著降低长会话信息丢失风险。

结构化存档协议：明确的 checkpoint 格式（决策、待办、重要上下文、未决问题四大模块）使存档内容条理清晰，便于后续会话快速恢复状态。

零依赖轻量设计：纯 Markdown 文档型 Skill，无可执行代码、无第三方依赖、无网络请求，部署简单且行为完全透明可审计。

灵活的用户控制：在关键决策点始终将选择权交还用户（继续/重启/暂停），而非强制自动执行，尊重用户对工作流的掌控。

潜在缺点与局限性

手动触发依赖：虽然 Skill 提供了检查协议，但实际执行 session_status 和保存 checkpoint 仍需用户或 Agent 主动调用，缺乏真正的自动监控守护能力。

Memory 目录管理：长期累积的 checkpoint 文件可能占用磁盘空间，且目前 Skill 未提供自动清理机制，需要用户手动维护。

上下文压缩不可逆：一旦超过 197k tokens 触发强制压缩，即使保存了 checkpoint，被压缩部分的对话细节仍永久丢失，checkpoint 仅能保存结构化摘要。

Claude 生态绑定：Skill 深度依赖 Claude 特定的 session_status 指令和 ~/.claude/memory/ 目录结构，无法迁移至其他 AI 对话平台。

适合的目标群体

长会话重度用户：需要与 Claude 进行持续数小时深度协作的开发者、研究员、产品经理，特别是涉及复杂项目迭代、多文件修改、长链条推理的场景。

关键决策场景工作者：法律咨询、医疗诊断、金融分析等领域的专业用户，其会话中包含不可丢失的决策依据和待办事项。

多会话项目管理：需要在多个会话周期内持续跟踪同一项目状态的用户，checkpoint 机制提供了跨会话的状态锚点。

风险厌恶型用户：对信息丢失高度敏感，愿意付出额外操作成本换取确定性的用户群体。

使用风险

性能层面：频繁读取和写入 memory 文件在极端高频场景下可能产生轻微 I/O 开销，但对于常规使用可忽略。

隐私与安全：Checkpoint 文件以明文 Markdown 存储于本地 ~/.claude/memory/ 目录，若会话包含敏感信息（内部系统架构、未公开数据、临时凭证），用户需主动审查并决定是否保存，必要时在会话结束后手动清理文件。

依赖稳定性：Skill 依赖 Claude 平台的 session_status 指令返回格式和 memory 目录权限，若平台行为变更可能导致协议失效。

误用风险：用户可能在 checkpoint 中过度保存冗余信息，反而加速上下文膨胀；或误解 checkpoint 能力，以为可完全替代完整对话历史，导致信息断层。