核心用法
Context Doctor 是一个面向 OpenClaw 用户的诊断工具，通过终端可视化界面展示上下文窗口的 token 预算分配。用户运行 python3 scripts/context-doctor.py 即可自动生成报告，涵盖工作区文件状态、已安装技能清单以及各组件的 token 占用比例。
显著优点
1. 可视化诊断：以进度条和颜色编码直观展示各文件占用比例，快速识别空间瓶颈
2. 自动化检测：自动识别工作区路径、OpenClaw 版本、系统与本地技能，无需手动配置
3. 健康信号提示：通过 🔴🟡🟢🟠 四级信号明确标识 TRUNCATED/MISSING 等异常状态，并提供对应修复建议
4. 精准定位问题：特别适用于"agent 质量下降"场景的根因分析，区分是上下文过载还是其他因素
潜在局限
- 仅覆盖 Bootstrap：明确排除对话历史分析，无法诊断多轮对话累积的 token 消耗
- 估算精度有限：采用 chars/4 的粗略 token 估算，与实际 LLM tokenizer 存在偏差
- 平台依赖：需本地 Python 环境，且终端截图功能依赖深色主题终端
- 无成本追踪：不涉及 API 调用费用计算，纯技术诊断工具
适合人群
- 遇到"agent 突然变笨"质量衰减的 OpenClaw 高级用户
- 频繁编辑工作区文件、需要验证上下文影响的技术用户
- 进行系统审计、排查配置问题的开发者
常规风险
- 诊断盲区风险：过度依赖该工具可能忽略对话历史导致的上下文溢出
- 估算误差风险：基于字符的 token 估算在中文场景下偏差较大，实际占用可能高于显示值
- 安全扫描缺失：附注显示"未执行安全扫描"，需用户自行验证脚本来源可信度