360 Secure SkillHub
360 安全技能中心

auto-context

这是一款AI会话上下文卫生工具，基于多维度体系分析会话健康度，划分等级并给出继续、/fork、新会话等建议。支持手动（命令/关键词）和自动（对话过长、主题漂移等条件）触发；手动输出完整健康报告，自动推送20字内轻量提醒，优化长对话、主题跑偏等场景的会话效率。

0xcjl
0xcjl
热度 49.15
最近更新 2026-05-11 17:41:50
分类：效率依赖：纯提示词应用场景：任务管理 / 工作流 / 报告撰写

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add 0xcjl-auto-context
Metadata
name
auto-context
description
智能上下文卫生检查器。分析当前会话的上下文污染程度 （长对话、主题漂移、噪声累积），建议：continue、/fork、/btw 或新会话。 支持手动触发（/auto-context）和自动触发（响应层实现）。 基于 ArXiv 论文和认知心理学研究的多维度评估体系。
license
MIT
compatibility
hermes-agent
tags
["context-management","productivity","context-management","productivity","context-management","productivity","context-management","productivity","session-health","memory"]
metadata
{"author":"0xcjl ( Hermes Adaptation from lovstudio )","repo":"https://github.com/0xcjl/auto-context"}

AutoContext: 智能上下文卫生检查器

主动监控会话状态，智能提醒用户。

AutoContext: 智能上下文卫生检查器

主动监控会话状态，智能提醒用户。

AutoContext: 智能上下文卫生检查器

主动监控会话状态，智能提醒用户。

AutoContext: 智能上下文卫生检查器

主动监控会话状态，智能提醒用户。

AutoContext: 智能上下文卫生检查器

主动监控会话状态，智能提醒用户。

AutoContext: 智能上下文卫生检查器

主动监控会话状态，智能提醒用户。

AutoContext: 智能上下文卫生检查器

主动监控会话状态，智能提醒用户。

AutoContext: 智能上下文卫生检查器

Context hygiene checker for AI agents — analyze session health and recommend actions

触发方式

手动触发

  • 命令：/auto-context
  • 关键词：上下文检查、context check、context hygiene

自动触发（响应层实现）

当检测到以下信号时自动激活：

信号类型 检测条件
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 轮次计数
主题漂移 语义相似度检测
对话长度 连续 20+ 轮无明显进展
主题漂移 当前话题与 5 轮前话题无关
噪声累积 连续 3 轮用户输入 < 10 字
工具重复 相同工具连续调用 5+ 次无有效产出
记忆模糊 开始混淆之前会话的内容
压缩触发 session compression 已执行 2+ 次

智能判断标准（多维度评估）

评估维度

维度 指标 阈值 权重
对话长度 连续轮数 >28 轮 20%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100% | | 主题连贯性 | 主题漂移次数 | 漂移 2+ 次 | 25% | | 信息密度 | 平均每轮字数 | <50 字/轮 | 15% | | 工具效率 | 工具调用产出比 | <10% 有效 | 20%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100% | | 上下文压缩 | 压缩次数 | 压缩 2+ 次 | 20%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100%
  • 权重归一化为100% |

健康等级说明

分数越高，上下文越健康。

健康等级

计算公式：健康指数 = Σ(维度分数 × 权重)

等级 分数 状态 建议
🟢 HEALTHY 80-100 上下文健康 继续当前话题
🟡 NOISY 60-79 轻度污染 可继续但注意效率
🔴 POLLUTED 40-59 中度污染 建议 /fork 或 /btw
⛔ CRITICAL <40 严重污染 建议新会话

手动模式：完整报告

当用户调用 /auto-context 时，输出：

输出格式: 输出格式: 输出格式: 输出格式: 输出格式: 输出格式: 输出格式:

🧠 上下文健康报告

📊 评估维度：
  • 对话长度：XX 轮
  • 主题变化：X 次漂移
  • 信息密度：低/中/高
  • 工具效率：X% 有效产出

📈 健康等级：🟢 HEALTHY / 🟡 NOISY / 🔴 POLLUTED / ⛔ CRITICAL

💡 建议：continue / /fork / /btw / 新会话

边缘情况：

  • 首次会话(<5轮)不触发

规则：

  • 最多 5 行
  • 关注可执行建议，不堆砌指标
  • 语气专业但简洁

自动模式：轻量提醒

当自动检测到问题时，严格执行 1 句话，不超过 20 字提醒：

上下文状态 提醒文案
主题漂移 "话题有点跳脱，考虑用 /fork 开新分支？"
对话过长 "会话有点长，建议 /fork 保持效率"
工具重复 "这个操作试了多次，要不要换个思路？"
信息稀疏 "最近几轮信息量较低，要不要聚焦一下？"
压缩频繁 "上下文压缩多次了，考虑开新会话？"

边缘情况：

  • 首次会话(<5轮)不触发

规则：

  • 严格执行 1 句话，不超过 20 字
  • 上下文正常 → 什么都不说
  • 只建议，不强制
  • 不提 "AutoContext"，除非用户问

与现有系统的集成

已有系统

系统 关系 集成方式
MEMORY 互补 长期记忆 vs 临时上下文
compression 互补 自动压缩 vs 主动建议
session_reset 互补 定时重置 vs 智能提醒

判断逻辑融合

将上述智能评估标准内化到响应层，当：

  1. 用户输入符合确认式句式（anti-sycophancy 触发）
  2. 会话长度超过阈值（compression 前）
  3. 检测到主题漂移

自动输出轻量提醒。

使用示例

手动调用

用户：/auto-context
AI：🧠 上下文健康报告
    📊 32轮对话，主题漂移1次，信息密度中
    📈 健康等级：🟡 NOISY
    💡 建议：建议继续，但考虑用 /btw 聚焦新话题

自动提醒

用户：（继续长篇大论）
AI：[在回答前] "会话有点长了，建议 /fork 保持效率。"

Credits

  • 原始版本: lovstudio/auto-context
  • Hermes适配: 0xcjl