Openclaw Context Capsule
压缩OpenClaw会话历史，保护隐私并减少Token消耗
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：压缩OpenClaw会话历史，保护隐私并减少Token消耗 完整的 Skill 内容见：https://321skill.com/skills/openclaw-context-capsule-x-6/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
'请使用Context Capsule压缩当前会话，保留最近5条消息，标记已废弃的探索方向，并隔离所有包含“密钥”的指令。' 它会自动解析会话历史，生成一个结构化的上下文胶囊，将旧消息压缩为摘要，同时保留关键决策节点和未完成的方向，最后将压缩后的胶囊注入到代理的上下文中，从而减少Token消耗并保护敏感信息。
介绍
在长时间运行的AI代理会话中，历史消息会迅速膨胀，导致Token消耗激增、上下文窗口溢出，甚至泄露敏感信息。OpenClaw Context Capsule 专为解决这一问题而生：它能够智能地压缩较旧的会话历史，生成一个受边界约束的“上下文胶囊”——保留最近的消息原文，标记已废弃的探索方向，隔离被注入的指令，并自动编辑掉机密内容。整个过程在本地执行，确定性高，且兼容任何模型。
使用方式非常简单：将Context Capsule作为OpenClaw代理的一个中间件或后处理步骤集成即可。当会话累积到一定长度时，自动触发压缩，将压缩后的胶囊注入到代理的上下文中。你无需手动干预，所有操作都遵循“车道感知”规则——即识别对话方向的变化，避免误删仍在使用的上下文路径。
本工具最适合以下用户：正在开发或维护OpenClaw代理的智能体开发者、需要管理长对话以控制成本的AI应用后端工程师、以及希望在不牺牲历史信息的前提下保障用户隐私的全栈开发者。对于需要频繁重启或迁移会话的场景，Context Capsule 能显著降低Token费用并保持代理行为的连贯性。
建议在每次会话超过模型上下文窗口的50%时触发压缩，并定期检查胶囊中是否保留了必要的决策依据。注意，压缩是不可逆的，因此重要数据应先做备份。同时，由于胶囊会隔离注入指令，请确保你的代理有明确的权限分层，避免误伤合法的系统提示。
核心特点
与传统的简单截断或摘要式压缩不同，Context Capsule 支持“车道感知”——能识别并保留仍在探索中的方向，同时隔离已废弃的路径和注入指令，并自动编辑机密信息，而非简单丢弃。
注意事项
不适合需要精确追溯每一条原始消息的审计或调试场景，因为压缩后部分细节会被聚合或截断。
常见问题
Context Capsule 会修改我的原始数据吗？
不会。压缩过程是确定性的，且只作用于会话历史副本，原始数据可保留在本地日志中供后续审计。
它支持哪些模型？
任何模型都可以。Context Capsule 是一个独立的后处理步骤，不依赖特定模型接口，输出纯文本胶囊。
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-6/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-6/raw/index.md（查看排版版本）