Openclaw Context Capsule
智能压缩AI对话历史，优化Token消耗并保护隐私。
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对话历史，优化Token消耗并保护隐私。 完整的 Skill 内容见：https://321skill.com/skills/openclaw-context-capsule-x-7/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Openclaw Context Capsule技能，压缩我们之前关于项目架构的讨论历史，保留最近10条完整消息，并隐藏所有可能的API密钥。’ 它会分析整个会话，生成一个精简的上下文摘要，其中最近的讨论保持原样，被否定的方案会被标注，敏感信息会被替换，从而为后续的新讨论腾出空间。
介绍
该技能旨在解决AI Agent（如OpenClaw）在长对话中上下文窗口有限、Token消耗过大的问题。它会将较早的会话历史智能压缩成一个结构化的“上下文胶囊”，保留核心信息，从而释放宝贵的上下文空间。
使用时，该技能会分析整个会话历史流。它会完整保留最近的消息以确保连贯性，识别并标记被放弃的对话方向以避免干扰，隔离可能被注入的指令以增强安全性，并自动编辑掉潜在的密钥等敏感信息。整个过程在本地、确定性地完成，不依赖特定模型。
它非常适合需要长时间与AI Agent交互、管理复杂项目或处理敏感信息的用户，例如智能体开发者、项目经理或处理机密数据的分析师。通过压缩历史，用户可以维持更长的有效对话，同时控制成本。
建议在对话历史变得冗长、开始出现遗忘或Token成本显著上升时启用此技能。请注意，压缩是单向的，被压缩的历史细节可能无法完全复原，因此对于需要完整审计追溯的场景，建议同时保留原始日志。
核心特点
与简单的历史截断或总结不同，它具备“车道变换感知”能力，能智能识别对话中已放弃的方向并加以标记，同时主动隔离可疑的注入指令并编辑敏感信息，在压缩的同时兼顾了对话流的完整性与安全性。
注意事项
不适合需要完整、逐字回溯全部历史对话细节的审计或法律合规场景。
常见问题
这个技能会修改我的原始对话记录吗？
不会，它生成的是一个压缩后的新“胶囊”，原始记录保持不变。
压缩后会影响AI对之前对话的理解吗？
设计目标是保留核心语义和决策脉络，但一些细节会被概括，可能影响对极度细微之处的回溯。
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-7/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-7/raw/index.md（查看排版版本）