Token导航 LogoToken导航TokenDH.com
研究检索敏感数据clawhub未标认证来源可访问clear审计提醒

autoglm-context-managerautoglm 上下文管理器

Agent Skill

autoglm-context-manager 用于查找、检索和筛选相关信息,适合在 OpenClaw 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

2,868

周安装

116

GitHub Stars

公开资料未说明

下载量

903
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:autoglm-context-manager(autoglm 上下文管理器)
来源仓库:https://github.com/janussilence/autoglm-context-manager
安装命令:
openclaw skills install autoglm-context-manager
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install autoglm-context-manager

简介

管理多个 AI Agent 的长期记忆与文件,通过向量和时间双重过滤,实现高效语义检索和减少 LLM 调用。

SKILL.md

Context Manager Skill

长上下文管理器技能。为多个 AI Agent 提供智能的长期记忆管理,通过向量索引和时间轴双重命中判断,大幅减少 LLM 调用次数。

🎯 适用场景

当用户需要:

  • 管理多个 Agent 的文件和上下文
  • 在大型项目中快速检索相关信息
  • 减少 LLM 调用以降低成本
  • 建立长期记忆系统
  • 在多个 Agent 之间共享上下文
  • 基于语义相似度搜索文件
  • 按时间维度过滤和检索内容

📋 功能清单

Agent 管理

  • 创建新的 Agent
  • 查看 Agent 列表
  • 获取 Agent 详情
  • 删除 Agent

文件管理

  • 为 Agent 创建文件
  • 获取文件内容
  • 列出 Agent 的所有文件
  • 删除文件

智能检索

  • 语义向量搜索
  • 时间轴过滤
  • 双重命中判断(向量+时间)
  • 智能调取详情
  • LLM 集成(可选)

🚀 使用方法

基本用法

创建 Agent

为项目 "文档编写" 创建一个 Agent

创建文件

将以下内容保存到 Agent "agent001" 的文件 "设计文档.md" 中:
[文件内容]

查询

在 Agent "agent001" 中搜索 "深度学习算法"

查询(带详情)

查找 "微服务架构设计" 相关内容,并获取详情

列出文件

显示 Agent "agent001" 的所有文件

高级用法

带标签的文件

创建一个关于 "机器学习" 的文件,标签为 "research, ai, ml"

跨 Agent 搜索

在所有 Agent 中搜索 "Python 编程"

强制 LLM 调用

用 LLM 分析 "如何优化数据库查询" 相关内容

🔧 配置

环境变量(可选)

# OpenAI API Key(用于 LLM 功能)
export OPENAI_API_KEY="your-api-key"

# Redis 配置(用于缓存)
export CONTEXT_MANAGER_REDIS_HOST="localhost"
export CONTEXT_MANAGER_REDIS_PORT=6379

配置参数(可选)

config.py 中可调整:

  • vector_threshold: 向量相似度阈值(默认 0.7)
  • time_threshold: 时间相关性阈值(默认 0.5)
  • combined_threshold: 综合评分阈值(默认 0.6)
  • cache_ttl: 缓存过期时间(默认 3600 秒)

📊 工作原理

文件索引流程

  1. 接收文件内容
  2. 生成向量嵌入
  3. 存储到向量数据库
  4. 提取时间轴信息
  5. 更新索引

智能检索流程

  1. 向量搜索找到相关文件
  2. 时间轴过滤
  3. 双重命中判断
  4. 智能调取详情
  5. LLM 集成(如需要)

💡 最佳实践

  1. 文件命名:使用有意义的文件名
  2. 标签使用:为文件添加相关主题标签
  3. 时间标签:使用时间标签帮助时间轴匹配
  4. 批量操作:批量创建文件以提高效率
  5. 定期清理:删除不再需要的文件

⚠️ 注意事项

  • 文件内容会进行向量嵌入,需要网络连接(首次)
  • LLM 功能需要配置 OpenAI API Key
  • Redis 可选,未配置时使用内存缓存
  • 向量数据库存储在本地 vector_db 目录

🔄 数据存储

所有数据存储在:

~/.openclaw-autoclaw/workspace/context-manager/
├── agents/           # Agent 数据
├── vector_db/        # 向量数据库
├── cache/            # 缓存数据
└── logs/             # 日志文件

📈 性能优化

预期效果:

  • LLM 调用减少:60-80%
  • 检索速度提升:10-50 倍
  • 项目完成度显著提高

🔍 技术栈

  • 向量数据库: ChromaDB
  • 嵌入模型: Sentence Transformers
  • 缓存: Redis + 内存
  • API: FastAPI
  • LLM: OpenAI GPT(可选)

🛠️ 故障排除

问题:向量数据库初始化失败

解决:删除 vector_db 目录后重试

问题:Redis 连接失败

解决:系统会自动使用内存缓存

问题:LLM 调用超时

解决:检查网络连接和 API Key 配置

📚 示例对话

用户:为 "研究项目" 创建一个 Agent
AI:✓ 已创建 Agent "research-project"

用户:将以下内容保存到研究项目的文件 "文献综述.md":
深度学习是机器学习的一个子集...
AI:✓ 文件 "文献综述.md" 已创建并索引(索引时间: 452ms)

用户:在研究项目中搜索 "神经网络"
AI:找到 3 个相关文件:
1. 文献综述.md(相似度: 0.89)
2. 算法总结.md(相似度: 0.76)
3. 项目计划.md(相似度: 0.65)

用户:获取 "神经网络" 相关内容的详情
AI:已获取 2 个文件的详情。LLM 回复:
[详细答案]

🎓 更多信息

查看完整文档: cat ~/.openclaw-autoclaw/workspace/context-manager/README.md

运行示例: python ~/.openclaw-autoclaw/workspace/context-manager/example.py

🔗 相关技能

  • memory - 简单的内存管理
  • wecom-doc - 企业微信文档管理

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

98.93%
按下载量换算893

安全审计

VirusTotal

通过

ClawScan

可疑

Static analysis

通过

权限和风险

敏感数据

该 Skill 可能接触密钥、Token、环境变量或敏感配置,应进入高风险复核队列,默认不自动发布。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills