Openclaw Context Capsule
智能压缩OpenClaw代理会话历史
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OpenClaw代理会话历史 完整的 Skill 内容见：https://321skill.com/skills/openclaw-context-capsule-x-5/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15条消息，标记所有已被放弃的调研方向，并脱敏其中的邮箱地址。' 它会立即生成一个压缩后的上下文胶囊，保持关键细节，移除冗余信息，并将脱敏后的历史注入 Agent 的上下文窗口，使后续对话更聚焦且费用更低。
介绍
OpenClaw Context Capsule 解决了 Agent 会话历史过长导致的 Token 消耗过高和上下文漂移问题。它通过有界压缩算法，将历史会话压缩成一个“上下文胶囊”，保留最近消息的原文，标记已废弃的对话方向，隔离可疑的注入指令，并自动脱敏敏感信息，从而在有限上下文窗口内维持高质量的对话连续性。
使用非常简单：将 OpenClaw Context Capsule 作为 Skill 安装到你的 Agent 工作流中，它会自动接管会话历史管理。你可以配置压缩阈值（如保留最近 N 条消息原文）、废弃方向标记策略和敏感信息脱敏规则。所有操作均在本地执行，确定性输出，不依赖任何外部 API，支持任何 LLM 模型。
适合智能体开发者、后端开发人员和运维工程师，尤其是在构建长对话、多轮交互的 AI Agent 时，需要控制上下文长度、提升回复质量、降低 API 调用成本。也适用于需要长期运行 Agent 会话（如客服机器人、研究助手）的场景。
注意：该 Skill 专为 OpenClaw 生态设计，若你的 Agent 运行在非 OpenClaw 框架下，可能需要适配。压缩过程不可逆，建议在关键场景中保留原始日志备份。另外，脱敏规则为默认简单规则，复杂场景需手动配置。
核心特点
同类工具多采用纯截断或简单摘要，而 Context Capsule 能智能识别对话方向变化、隔离注入指令并脱敏敏感信息，在保持核心上下文完整性的同时显著降低 Token 消耗。
注意事项
仅适用于 OpenClaw 框架的 Agent 会话，且压缩后原始会话不可恢复，需额外备份。
常见问题
这个 Skill 能减少多少 Token 消耗？
取决于历史长度和压缩策略，通常可减少 60%-80% 的历史 Token 占用。
它支持哪些模型？
任何模型都可以，因为压缩是本地确定性执行的，不依赖模型本身的上下文窗口。
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-5/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-5/raw/index.md（查看排版版本）