🧠 Agent Context Compression 是什么？

# 原始对话（500 tokens）
User: 帮我看看项目报告
Agent: 好的，我已经读取了报告
User: 报告里说了什么？
Agent: 报告显示第三季度营收增长了15%
User: 哪些业务推动的增长？
Agent: 主要是AI业务线，增长了40%
User: 我看一下具体数据

# 压缩后（50 tokens）
摘要: 用户询问项目报告，核心信息为Q3营收增长15%，主要由AI业务(+40%)推动。

# openclaw.json - 启用上下文压缩
{
  "session": {
    "contextCompression": {
      "enabled": true,
      // 当上下文使用超过80%时触发压缩
      "triggerThreshold": 0.80,
      // 压缩策略
      "strategy": "hybrid",
      // 压缩目标：将上下文缩小到原来的40%
      "targetRatio": 0.4,
      // 历史消息保留
      "historyRetention": {
        "summaryOnly": true,
        "maxMessages": 10
      }
    }
  }
}

# 效果：
# 原始上下文: 10,000 tokens
# 压缩后: 3,800 tokens
# 节省: 62%
# 关键信息保留率: 95%

// OpenClaw Skill: 智能上下文管理
class SmartContextManager {
  constructor(config) {
    this.maxTokens = config.maxTokens || 8000;
    this.compressThreshold = config.threshold || 0.75;
  }
  
  async manageContext(session) {
    const currentUsage = session.getContextUsage();
    
    if (currentUsage.ratio > this.compressThreshold) {
      console.log(`上下文使用率 ${currentUsage.ratio*100}%，开始压缩...`);
      
      // 1. 清理低价值消息
      await this.removeLowValueMessages(session);
      
      // 2. 压缩长消息
      if (session.getContextUsage().ratio > this.compressThreshold) {
        await this.compressLongMessages(session);
      }
      
      // 3. 将老旧历史转为摘要
      if (session.getContextUsage().ratio > this.compressThreshold) {
        await this.summarizeOldHistory(session);
      }
      
      console.log(`压缩完成。新使用率: ${session.getContextUsage().ratio*100}%`);
    }
  }
  
  async removeLowValueMessages(session) {
    // 移除确认性消息、System提示、空响应
    const lowValue = ['ok', '好的', '我已经知道了', '收到'];
    session.messages = session.messages.filter(msg => {
      return !lowValue.includes(msg.content.trim().toLowerCase());
    });
  }
  
  async compressLongMessages(session) {
    for (const msg of session.messages) {
      if (msg.content.length > 500) {
        // 用LLM压缩长消息
        msg.content = await this.llmSummarize(msg.content);
        msg.compressed = true;
      }
    }
  }
  
  async summarizeOldHistory(session) {
    // 合并前N条消息为摘要
    const oldMessages = session.messages.slice(0, -10); // 保留最近10条
    const summary = await this.llmSummarize(
      oldMessages.map(m => `${m.role}: ${m.content}`).join('\n')
    );
    
    session.messages = [
      { role: 'system', content: `对话摘要: ${summary}`, compressed: true },
      ...session.messages.slice(-10)
    ];
  }
}

# OpenClaw Session配置 - 分层上下文

# 三层上下文架构
# Layer 1: 热数据 - 最近5条消息（完整保留）
# Layer 2: 温数据 - 5-50条之前的消息（摘要形式）
# Layer 3: 冷数据 - 更早的历史（向量化存储，按需加载）

session:
  layers:
    hot:
      type: full
      max_messages: 5
      priority: highest
    
    warm:
      type: summary
      max_tokens: 1000
      update_strategy: on_new_message
    
    cold:
      type: vector
      storage: "memory.db"
      retrieval:
        top_k: 3
        relevance_threshold: 0.7
      
  # 压缩统计
  statistics:
    tokens_before: 15420
    tokens_after: 3250
    compression_ratio: "79%"
    information_retention: "93%"