Context Hygiene

Context Hygiene 综合评估

核心用法

Context Hygiene 是一套面向 OpenClaw 代理的推理卫生协议，旨在解决 AI 代理在长期使用中上下文膨胀导致的 token 浪费问题。其核心方法论为"Collapse Cycle"（折叠周期）：每个任务经历 Explore（探索）→ Decide（决策）→ Collapse（折叠）三阶段，最终将探索过程压缩为决策结论，删除中间脚手架。

关键操作机制：

• 文件预算制：为 MEMORY.md（50 行）、每日日志（30 行）、HEARTBEAT.md（10 行）等核心文件设定硬性行数上限，总注入上下文控制在 300 行以内
• 子代理隔离：将重型探索（研究、调试、多步安装）派生子代理执行，仅返回结果，避免污染主上下文
• 幽灵上下文清理：主动识别并移除指向已不存在资源（旧路径、已移除工具、已修复 bug）的过期引用
• 每日记忆规则：仅记录决策及原因、新工具/配置、经验教训、用户偏好；跳过探索步骤、命令输出、已交付内容

显著优点

1. token 经济性：通过硬性预算和主动清理，显著降低每次会话的上下文注入量，直接降低 API 成本
2. 推理质量提升：减少噪声干扰，代理聚焦于有效信息，降低"幻觉"和过时推理风险
3. 可预测的性能：文件预算制使上下文规模可控，避免因 MEMORY.md 无限增长导致的性能劣化
4. 可审计性：结构化格式（单条事实、无段落重复）便于快速人工审查

潜在缺点与局限性

1. 信息丢失风险：激进的折叠策略可能意外删除尚未完全过期的上下文，导致代理"遗忘"重要用户偏好或历史决策背景
2. 手动维护负担：需要人工参与每周清理、幽灵引用识别，无法完全自动化
3. 子代理开销：频繁派生子代理增加协调复杂度和延迟，轻型任务反而得不偿失
4. 格式刚性：严格的单行单事实格式限制了复杂推理的记录，可能迫使过度简化

适合人群

• 高频使用 OpenClaw 的长期项目：上下文累积速度快的场景收益最大
• token 成本敏感的用户：需要优化 API 支出的个人或组织
• 多代理协作环境：子代理隔离机制天然适配复杂工作流
• 追求可维护性的技术团队：愿意投入时间建立清理纪律以获得长期收益

常规风险

• 过度清理误判：30 天无相关性的自动删除规则可能误伤周期性需求（季度报告、年度配置）
• 时区配置遗漏：USER.md 时区设置若未完成，将导致所有定时任务、提醒的本地时间错误
• 预算数字的机械执行：严格遵循 50/30/10 行预算可能在不适配特定项目规模时造成信息截断
• 子代理结果污染：若子代理返回结果未充分净化，反而将探索噪声注入主上下文

核心用法

Context Hygiene是一套面向OpenClaw Agent的上下文管理方法论，而非可执行代码。其核心操作流程围绕"Collapse Cycle"三阶段展开：Explore（探索）→ Decide（决策）→ Collapse（折叠）。当Agent需要完成复杂任务时，首先通过子Agent进行深度探索，仅将结论回流至主会话；随后将决策写入MEMORY.md等持久化文件，并立即删除探索过程中的中间产物。该协议强制实施文件预算制度，包括MEMORY.md不超过50行、每日记忆文件30行上限、总计注入上下文控制在300行以内等硬性约束。

具体实施包含五个关键动作：一是配置USER.md时优先设定时区，避免Agent误猜时区导致调度错误；二是在AGENTS.md启动配置中引用CONTEXT.md协议；三是建立每日文件轮转机制，当日日志在结束时折叠为决策摘要；四是执行心跳维护，定期扫描Ghost Context（对已删除资源的无效引用）；五是部署子Agent隔离策略，重型探索任务完全交由独立会话处理。

显著优点

该协议的最大价值在于系统性解决Agent上下文膨胀症。据协议设计原理估算，严格执行可使单次会话注入Token量减少40%-60%，直接降低API调用成本并提升推理响应速度。其方法论源自ContextSpectre的"保留结论、拆除脚手架"哲学，具有极强的可操作性——所有规则均以明确的数字阈值呈现（如50行、30天、300行），而非模糊的"适量清理"建议。

文件预算表格提供了开箱即用的治理框架，涵盖MEMORY.md、HEARTBEAT.md、TOOLS.md等6类核心文件的维护周期。子Agent隔离机制从根本上阻断污染路径，确保主会话始终保持"干净 slate"状态。Ghost Context检测则填补了传统上下文管理的盲区，消除因历史残留导致的推理偏见。对于多Agent协作场景，该协议提供了跨会话的状态同步基准。

潜在缺点与局限性

首要局限在于执行成本转移而非消除——折叠操作本身消耗认知负荷，需要Agent或用户主动决策"什么值得保留"。对于探索型、创造性任务，过早折叠可能丢失有价值的思维路径。严格的行数预算（如SOUL.md仅30行）可能不适用于需要深度人格定义的场景。此外，协议假设Agent具备可靠的文件操作能力，若底层文件系统API不稳定，Collapse操作可能失败并导致数据丢失。

T3来源级别（个人开发者）意味着长期维护存在不确定性，尽管当前采用MIT许可证允许自由分叉。协议针对OpenClaw生态定制，迁移至Claude、GPT或其他Agent框架时需要适配调整。最后，该协议为纯文档类型，不具备自动强制执行能力，实际效果完全依赖使用者的自律程度。

适合的目标群体

该协议最适合三类用户：一是高频使用OpenClaw的长上下文场景，如持续数周的项目开发、复杂多步骤研究任务；二是多Agent协作架构的设计者，需要确保子Agent探索不污染主上下文；三是成本敏感型团队，希望通过Token优化显著降低LLM API支出。对于单次问答、短对话场景则收益有限。技术写作团队、AI原生应用开发者、以及追求"可复现Agent会话"的自动化测试工程师亦是高契合群体。

使用风险

性能风险方面，过度折叠可能导致关键决策依据丢失，当后续任务需要追溯"为什么这样决定"时，Agent被迫重新探索。依赖风险体现为对文件系统操作的隐性依赖，若Agent文件API出现竞态条件，可能破坏上下文完整性。兼容性风险在于协议版本演进——当前为v1.0，未来若引入破坏性变更，既有工作区的治理规则可能需要手动迁移。最后，尽管安全评级为A级且无可执行代码，T3来源仍需持续关注仓库动态，防范未来版本被篡改植入恶意指引。建议生产环境使用时建立内部镜像副本，降低供应链风险。