context-clean-up

核心用法

Context Clean Up 是一款专为 OpenClaw 设计的上下文膨胀诊断工具。用户通过 /context-clean-up 指令触发审计流程，工具将自动扫描工作区目录和 OpenClaw 运行时状态目录（~/.openclaw），执行 Python 审计脚本分析会话 JSONL 文件，识别三类主要膨胀源：大型工具输出（exec/read/web_fetch 产生的 transcript 膨胀）、自动化噪音（Cron/System 重复消息）以及引导文件冗余（AGENTS/MEMORY/SOUL/USER 等 reinjected rules）。审计完成后生成结构化 JSON 报告，并按风险等级输出可操作的清理计划。

显著优点

该 Skill 采用「审计优先」设计理念，明确承诺 audit-only 模式，绝不自动应用任何更改，所有修复需经用户显式批准，从根本上杜绝误操作风险。技术实现上仅依赖 Python 3 标准库，零外部依赖，避免了供应链攻击面。诊断维度全面，覆盖会话历史、自动化任务、引导文件三大上下文消耗源，并提供标准化的修复杠杆（Lever A/B/C）：将无异常自动化输出强制为 NO_REPLY、采用带外通知替代会话内注入、精简引导文件至重启关键规则。输出报告结构化且包含回滚计划，符合生产环境变更管理规范。

潜在缺点与局限性

作为纯诊断工具，其本身不直接解决问题，用户需手动执行修复建议，对技术能力有一定要求。审计报告可能暴露会话内容摘要，虽无外部传输但本地存储需自行保护。当前版本缺乏敏感信息自动脱敏功能，处理含密钥的会话时需额外注意。此外，工具专注于 OpenClaw 生态，对其他 AI 会话平台无兼容性。性能方面，超大型会话文件（GB 级）的解析可能存在内存压力。

适合的目标群体

主要面向三类用户：OpenClaw 重度使用者（会话频繁、上下文膨胀感知明显）、AI 工作流优化师（需要精细化控制 token 消耗与响应延迟）以及团队管理员（负责维护共享工作区的会话健康度）。特别适合运行大量自动化任务（Cron/Heartbeat）或依赖复杂引导文件体系的企业级部署场景。

使用风险

常规风险集中于操作层面：误读审计报告可能导致不当清理，建议严格遵循「最低风险优先」原则分步实施。Python 3 运行时为必需依赖项，受限环境需预装。审计脚本运行时对会话文件持有读取锁，极端并发场景下可能与 OpenClaw 主进程产生 I/O 竞争。报告文件路径由用户完全控制，需避免指定至共享/临时目录造成信息泄露。