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：

智能判断标准（多维度评估）

评估维度

| 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)

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：

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

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