Openclaw Context Capsule
智能压缩AI会话历史，保留上下文边界
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：Openclaw Context Capsule。 它的用途是：智能压缩AI会话历史，保留上下文边界 完整的 Skill 内容见：https://321skill.com/skills/openclaw-context-capsule-x-4/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
'使用OpenClaw Context Capsule压缩当前会话历史，保留最近5轮对话，标记已废弃的讨论方向并隐藏敏感信息。' 它会自动分析对话结构，生成一个紧凑的上下文胶囊，包含完整近轮、废弃分支摘要、隔离注入指令以及脱敏后的秘密，后续对话可直接用胶囊替代原始历史。
介绍
OpenClaw Context Capsule 解决的是 AI 会话历史过长导致的 Token 浪费和上下文混乱问题。智能体在长时间对话中，早期内容往往被遗忘或撑爆上下文窗口，简单丢弃又会丢失关键信息。它通过“车道变换感知”机制，自动识别对话方向何时改变，将废弃的分支标记并压缩，同时保留最近完整对话，确保核心信息不丢失。
使用方法非常简单：你只需将当前会话历史提交给该 Skill，它会自动分析对话结构，生成一个紧凑的上下文胶囊。胶囊包含最近完整轮次、已废弃方向的摘要、被隔离的外部注入指令，以及经过脱敏处理的秘密信息。整个过程在本地执行，无需联网，且模型无关，适用于任何 LLM。
适合智能体开发者、后端开发以及需要频繁管理长对话的 AI 应用构建者。尤其适合那些在 Cluade、OpenAI 等平台上构建复杂 Agent 的用户，或者需要压缩历史以便在有限 Token 内继续推理的场景。
使用建议：建议在每次对话达到上下文窗口 70% 时触发压缩，以平衡信息完整性与 Token 节省。注意该 Skill 不会删除任何数据，而是将压缩后的胶囊作为后续对话的输入，因此请确保下游模型支持胶囊格式的解析。
核心特点
同类工具仅做简单截断或摘要，而 Context Capsule 能感知对话方向变化（lane-change-aware），自动标记废弃分支、隔离注入指令、脱敏秘密，让压缩后的上下文依然可被模型准确理解。
注意事项
不适用于需要逐字保留全部历史细节的审计或法律场景，压缩后无法恢复原始对话顺序。
常见问题
如何压缩历史会话？
将当前会话历史文本作为输入，Skill 会自动分析并生成压缩后的上下文胶囊，你只需将其粘贴回对话中继续使用。
支持哪些模型？
任何模型均可，因为压缩过程是本地、确定性的，仅依赖文本处理，不依赖特定模型 API。
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/openclaw-context-capsule-x-4/raw/index.md 读取 Openclaw Context Capsule 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/openclaw-context-capsule-x-4/raw/index.md（查看排版版本）