compaction-survival
Skillby rustyorb
clawhub⭐ 06/10
通过写前日志 (WAL)、工作缓冲区和自动恢复三种机制，防止 LLM 压缩期间上下文丢失，确保关键状态...
通过Write-Ahead Logging和Working Buffer机制防止LLM上下文压缩过程中的数据丢失,提供自动故障恢复能力,确保关键状态完整性。
📊 商业分析
商业模式
freemium
独特价值
通过WAL和自动恢复机制解决LLM长上下文压缩中的状态丢失问题,业界首创
竞品
LangChain的context compression、LlamaIndex的token optimization、Anthropic官方prompt caching
🎯 应用场景
目标用户
LLM应用开发者AI创业公司技术团队企业级AI系统架构师
工具信息
- 类型
- Skill
- 平台
- clawhub
- Stars
- ⭐ 0
- 价值评分
- 6/10
- 子分类
- LLM上下文管理与优化
- 可商业化
- ✅ 是
AI 标签
上下文压缩LLM优化数据持久化内存管理自动恢复
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