@ar-llm/pi-custom-compaction
用LLM生成智能会话摘要，替代默认压缩
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：@ar-llm/pi-custom-compaction。 它的用途是：用LLM生成智能会话摘要，替代默认压缩 完整的 Skill 内容见：https://321skill.com/skills/ar-llm-pi-custom-compaction/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
'压缩当前会话，使用 GPT-4 生成一份 200 字以内的摘要，并保存到历史记录中，保留所有关键决策和代码变更记录。' 它会调用 LLM 分析对话内容，生成结构化摘要，替换原有压缩占位符，同时在本地存储完整摘要供后续回溯。
介绍
这个Skill解决了在长时间编码会话中，默认压缩方式丢失关键上下文的问题。实际开发中，当会话超过上下文窗口时，Pi 编码代理会截断历史，导致丢失重要信息，影响后续交互的连贯性。
使用方式很简单，你只需要通过 npm 安装该扩展，然后在 Pi 配置中启用它。之后可以通过自然语言指令来触发压缩，例如要求使用特定模型（如 GPT-4）生成摘要，也可以为不同 LLM 提供商设置独立的请求参数（如温度、最大 token 数）。扩展会自动替换原有压缩内容，保留结构化摘要。
它非常适合需要长期维护复杂项目、频繁切换上下文或依赖大量历史信息的开发者。尤其是那些使用 Pi 代理进行代码重构、调试、技术调研的用户，可以避免因上下文丢失而重复描述问题。
建议在会话长度接近模型限制时统一使用此工具，以平衡 token 消耗与信息保留。需要注意的是，它依赖外部 LLM 服务，会产生额外的推理成本，建议根据实际需求选择合适的模型（如低成本模型用于日常摘要，高精度模型用于关键会话）。
常见问题
如何配置使用的模型？
在 Pi 配置文件中设置 `model` 参数，例如 `gpt-4` 或 `claude-3-opus`，也可通过环境变量或扩展专属配置项指定。
支持哪些 LLM 提供商？
支持所有兼容 OpenAI API 格式的提供商，如 OpenAI、Anthropic、本地 Ollama 等，需在请求参数中配置各自的 API 端点和密钥。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/ar-llm-pi-custom-compaction/raw/index.md 读取 @ar-llm/pi-custom-compaction 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/ar-llm-pi-custom-compaction/raw/index.md（查看排版版本）