核心用法
Context Doctor 是一个专门用于诊断和可视化 OpenClaw 上下文窗口预算分配的运维工具。用户通过运行 python3 scripts/context-doctor.py 即可生成终端渲染的诊断报告，包含三大核心模块：
Workspace Files（工作区文件）：自动扫描 ~/.openclaw/workspace 或 OPENCLAW_WORKSPACE 环境变量指定的路径，列出所有启动文件并标注状态（✓ OK / ✗ MISSING / ⚠ TRUNCATED），显示原始字符数与估算 Token 数（字符÷4），并以可视化进度条呈现文件体积占比。
Installed Skills（已安装技能）：枚举系统和用户工作区中所有发现的 SKILL.md 文件，展示技能清单。需注意技能为按需加载，不会占用启动上下文，此部分仅作认知参考。
Token Budget（Token 预算）：拆解启动阶段开销构成——系统提示词、工作区文件、技能列表元数据、工具模式及摘要，最终呈现启动占比与剩余对话空间的百分比。
工具支持 --png 参数生成可直接分享的彩色终端风格图片，依赖 Rich 库及 rsvg-convert/cairosvg 之一。
显著优点
- 精准定位问题：通过 TRUNCATED/MISSING 状态标识，快速发现文件截断或符号链接断裂等隐蔽问题
- 量化诊断：将抽象的上下文压力转化为可视化百分比， Bootstrap >15% 时明确触发优化建议
- 零侵入设计：只读扫描，不影响运行环境
- 多场景适配：既支持本地终端调试，也支持生成图片用于聊天场景分享
潜在局限
- 估算精度：Token 计算采用字符÷4 的简化规则，与实际分词器结果存在偏差
- 技能开销盲区：仅展示技能元数据描述，不反映实际工具调用时的模式注入开销
- 环境依赖：图片生成功能需要额外安装 librsvg 或 cairosvg，增加部署复杂度
- 非实时：静态快照模式，不监控运行时的动态上下文膨胀
适合人群
OpenClaw 重度用户、多工作区开发者、遭遇"Agent 变笨"质量衰退问题的调试者，以及需要审计启动开销进行上下文优化的进阶用户。
常规风险
- 敏感信息暴露：PNG 输出可能包含工作区文件列表，分享前需脱敏检查
- 过度优化误导：用户可能为追求 <10% Bootstrap 而过度删减必要上下文，损害 Agent 能力
- 依赖版本漂移：Rich 或 SVG 转换工具版本差异可能导致渲染异常