Gestion avancée du contexte pour les modèles DeepSeek avec compactage automatique et optimisation dynamique basée sur la pertinence.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install context-optimizer
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer context-optimizer via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que Context Pruner ?
Context Pruner est un moteur de gestion de contexte sophistiqué conçu spécifiquement pour répondre aux exigences des grands modèles de langage, avec une optimisation spécialisée pour la fenêtre de 64k tokens de DeepSeek. En mettant en œuvre des stratégies de compactage intelligentes et une notation de pertinence dynamique, il garantit que les agents d'IA maintiennent des performances élevées et une cohérence logique sans atteindre les limites de contexte strictes. Cet outil est essentiel pour les développeurs créant des Openclaw Skills complexes qui nécessitent des conversations de longue durée, un traitement de données intensif ou une gestion de mémoire haute fidélité.
La compétence fournit un cadre robuste pour l'élagage adaptatif, utilisant la déduplication sémantique pour supprimer les informations redondantes tout en préservant les messages système de haute priorité. Que vous construisiez un agent de recherche autonome ou un assistant de codage, l'intégration de cet outil dans votre flux de travail Openclaw Skills garantit que la consommation de tokens est minimisée et que la santé du contexte est surveillée en temps réel.
Cas d'utilisation de Context Pruner
- Gestion de conversations extrêmement longues dans Openclaw Skills sans perdre de données historiques critiques.
- Réduction des coûts opérationnels de tokens par l'élagage intelligent des blocs de messages redondants ou de faible pertinence.
- Mise en œuvre de systèmes de mémoire hiérarchique pour la récupération de données historiques lors de tâches techniques complexes.
- Prévention des erreurs de dépassement de contexte dans les agents basés sur DeepSeek lors de sessions de codage intensives sur plusieurs fichiers.
Comment fonctionne Context Pruner
- La compétence initialise un moniteur avec une limite de contexte spécifique, généralement réglée sur 64 000 tokens pour les modèles DeepSeek.
- Elle suit en permanence l'utilisation des tokens et déclenche un compactage automatique une fois que l'utilisation franchit un seuil défini (ex : 75 %).
- Le moteur applique diverses stratégies — notamment le compactage sémantique, temporel et extractif — pour condenser les données historiques.
- En utilisant un score de pertinence sensible à la requête, la compétence filtre et donne la priorité aux messages les plus proches de l'intention actuelle de l'utilisateur.
- Les données excédentaires sont déchargées vers un système d'archivage hiérarchique, permettant à l'agent de récupérer des extraits plus tard si le contexte actuel manque d'informations spécifiques.
Configuration de Context Pruner
Pour intégrer cette fonctionnalité dans votre environnement Openclaw Skills, accédez au répertoire de la compétence et installez les dépendances nécessaires :
cd ~/.clawdbot/skills/context-pruner && npm install tiktoken @xenova/transformers
Ajoutez la compétence à votre fichier de configuration :
skills:
context-pruner:
enabled: true
config:
contextLimit: 64000
autoPrune: true
Schéma de données et taxonomie de Context Pruner
La compétence organise sa logique interne et son système d'archivage selon le schéma suivant :
| Paramètre | Type | Description |
|---|---|---|
| contextLimit | Nombre | La fenêtre maximale de tokens (par défaut : 64000 pour DeepSeek) |
| archivePath | Chaîne | Répertoire local pour stocker l'archive mémoire hiérarchique |
| strategies | Tableau | Liste des stratégies actives : sémantique, temporelle, extractive ou adaptative |
| relevanceDecay | Float | Le taux de diminution des scores de pertinence des messages anciens (0.0 à 1.0) |
| logToChat | Booléen | Détermine si les événements d'optimisation sont signalés dans l'interface de chat |
Fonctionnalités avancées de Context Pruner
- Déduplication sémantique : Identifie et fusionne les messages ayant des significations similaires pour économiser de l'espace sans perdre le contexte.
- Système de mémoire hiérarchique : Implémente une architecture RAM vs Stockage où le contexte actuel reste rapide tandis que l'archive gère l'historique profond.
- Pertinence sensible à la requête : Recalcule dynamiquement l'importance des messages historiques en fonction de la similitude sémantique avec l'invite utilisateur active.
- Surveillance de la santé en temps réel : Enregistre en continu les événements d'optimisation, offrant une transparence sur la façon dont Openclaw Skills gère la densité de tokens.
SKILL.md
Chargement
Compétences Openclaw associées
Humanizer Affinement de Texte IA
Une compétence sophistiquée de traitement de texte qui identifie et supprime les signatures générées par l'IA pour transformer les sorties robotiques de LLM en écriture humaine naturelle.
Soaring Weather
Un outil de prévision météorologique de niveau professionnel pour les thermiques et le vol à voile utilisant un moteur de notation à 11 paramètres pour prédire les conditions de vol.
Remember Me
Une couche de mémoire sophistiquée qui suit les préférences, les objectifs et les limites de l'utilisateur pour fournir des interactions d'IA hautement personnalisées au fil du temps.
Omarchy
Omarchy fournit une suite complète de wrappers système et de garde-fous opérationnels pour garantir que les agents IA gèrent les environnements locaux via des flux de travail natifs sécurisés.
Configuration d'Exchange OpenMM
Un guide de configuration interactif pour configurer des identifiants API sécurisés et des variables d'environnement pour le framework de trading OpenMM.
Trading sur Grille OpenMM
Un moteur de trading sur grille automatisé pour OpenMM qui exécute des ordres d'achat et de vente autour d'un prix central pour capturer la volatilité du marché.
En vedette*
