context-engineering
Skillby leoyessi10-tech
clawhub⭐ 16/10
当用户请求“压缩上下文”、“总结对话历史”、“执行压缩”、“减少token使用”，或提及上下文压缩、结构化摘要、任务级token优化，以及超长Agent会话超出上下文限制时，应使用此技能。
压缩对话上下文、结构化摘要历史记录、优化Token用量，适用于长会话场景下的上下文工程管理。
📊 商业分析
商业模式
free
独特价值
提供结构化上下文压缩提示词模板，降低长对话Token消耗
竞品
1. MemoryGPT/Letta：自动记忆管理与上下文压缩，功能更完整；2. LangChain ConversationSummaryMemory：框架级对话摘要方案，生态更成熟；3. Claude自带的context caching：原生能力逐步覆盖该需求
🎯 应用场景
目标用户
AI Agent开发者高频使用LLM的技术团队关注API成本的独立开发者
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 1
- 价值评分
- 6/10
- 子分类
- 上下文工程与Token优化
- 可商业化
- ❌ 否
AI 标签
上下文压缩Token优化对话摘要长会话管理提示词工程
相关工具推荐
skill-creatorSKILL
由Anthropic官方出品，支持从零创建AI Skill、编辑优化现有Skill、运行评估测试并进行方差分析的性能基准对比，实现AI能力工程化闭环管理。
9/10⭐ 86,759
conversation-memorySKILL
为LLM对话提供短期、长期、实体三层持久化记忆系统，让AI真正记住用户，支持跨会话上下文延续与知识积累。
9/10⭐ 22,346
self-improvingSKILL
具备自我反思、自我批评、持续学习与记忆组织能力的自进化Agent，自动评估并永久改进输出质量，无需人工反复校正。
9/10⭐ 638
proactive-agentSKILL
将AI Agent从被动任务执行者升级为主动预判伙伴，内置WAL协议、工作缓冲区与自主定时任务，支持持续自我改进的智能体框架
9/10⭐ 628
cellcogSKILL
DeepResearch Bench排名第一的全模态AI代理框架。通过多代理编排实现深度推理与文本、图像、音频、视频等全模态融合,支持复杂任务自动化。
9/10⭐ 6