strategic-compact

策略性压缩技能 (Strategic Compact Skill)

建议在工作流的战略点手动执行 /compact，而不是依赖随机的自动压缩。

何时激活 (When to Activate)

• 运行接近上下文限制（200K+ token）的长会话时
• 处理多阶段任务（研究 → 规划 → 实现 → 测试）时
• 在同一个会话中切换不相关的任务时
• 完成重大里程碑并开始新工作后
• 当响应变慢或连贯性下降（上下文压力）时

为什么需要策略性压缩？ (Why Strategic Compaction?)

自动压缩会在任意点触发：

• 通常在任务中途触发，导致丢失重要的上下文
• 无法识别逻辑任务边界
• 可能会中断复杂的多步操作

在逻辑边界进行策略性压缩：

• 研究之后，执行之前 — 压缩研究上下文，保留实现计划
• 完成里程碑之后 — 为下一阶段提供清新起点
• 重大上下文切换之前 — 在进入不同任务前清理探索性上下文

工作原理 (How It Works)

suggest-compact.js 脚本在工具预调用（PreToolUse，包括 Edit/Write）时运行，并执行：

1. 跟踪工具调用 — 统计会话中的工具调用次数
2. 阈值检测 — 在达到可配置阈值时提供建议（默认：50 次调用）
3. 定期提醒 — 超过阈值后，每 25 次调用提醒一次

钩子设置 (Hook Setup)

将以下内容添加到你的 ~/.claude/settings.json：

{
  "hooks": {
    "PreToolUse": [
      {
        "matcher": "Edit",
        "hooks": [{ "type": "command", "command": "node ~/.claude/skills/strategic-compact/suggest-compact.js" }]
      },
      {
        "matcher": "Write",
        "hooks": [{ "type": "command", "command": "node ~/.claude/skills/strategic-compact/suggest-compact.js" }]
      }
    ]
  }
}

配置 (Configuration)

环境变量：

• COMPACT_THRESHOLD — 首次建议前的工具调用次数（默认：50）

压缩决策指南 (Compaction Decision Guide)

参考下表决定何时进行压缩：

| 阶段转换 | 是否压缩？ | 原因 |

|-----------------|----------|-----|

| 研究 → 规划 | 是 | 研究上下文很臃肿；计划是精炼后的输出 |

| 规划 → 实现 | 是 | 计划已记录在 TodoWrite 或文件中；为代码腾出上下文空间 |

| 实现 → 测试 | 视情况而定 | 如果测试引用了最近的代码则保留；如果切换关注点则压缩 |

| 调试 → 下一个特性 | 是 | 调试追踪信息会污染不相关工作的上下文 |

| 实现过程中 | 否 | 丢失变量名、文件路径和部分状态的代价很高 |

| 尝试方案失败后 | 是 | 在尝试新方案前清理掉死胡同的推理过程 |

哪些内容在压缩后存留 (What Survives Compaction)

了解哪些内容会持久化，可以让你放心地进行压缩：

| 存留项 | 丢失项 |

|----------|------|

| CLAUDE.md 指令 | 中间推理与分析过程 |

| TodoWrite 任务列表 | 之前读取的文件内容 |

| 记忆文件 (~/.claude/memory/) | 多轮对话上下文 |

| Git 状态（提交、分支） | 工具调用历史与计数 |

| 磁盘上的文件 | 口头陈述的细微用户偏好 |

最佳实践 (Best Practices)

1. 规划后压缩 — 一旦在 TodoWrite 中确定了计划，进行压缩以重新开始
2. 调试后压缩 — 在继续之前清理错误解决的上下文
3. 不要在实现中途压缩 — 为相关更改保留上下文
4. 阅读建议 — 钩子告诉你何时可以压缩，由你决定是否执行
5. 压缩前写入 — 在压缩前将重要的上下文保存到文件或记忆中
6. 使用带摘要的 /compact — 添加自定义消息：/compact Focus on implementing auth middleware next

相关资源 (Related)

• 长篇指南 (The Longform Guide) — Token 优化章节
• 记忆持久化钩子 — 用于在压缩后存留的状态
• continuous-learning 技能 — 在会话结束前提取模式