$ loading_
优化大模型上下文窗口并轮换会话，减少长流程中断与超限问题
复制安装指令，让 AI 自动完成配置 · 推荐新手
"@yavdaanalytics/context-optimiser" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请在当前代理工作流中压缩已有聊天历史，保留目标、关键约束、已完成步骤和待办事项，减少上下文占用。
输出更精简的上下文摘要，保留继续执行任务所需的关键信息。
当前会话接近上下文窗口上限，请创建新会话，并把继续任务所需的核心状态迁移过去。
生成新的会话衔接结果，确保代理能在新会话中延续原任务。
整理当前多步骤代理流程的关键状态，删除重复内容，并输出适合后续调用的精简上下文。
得到去重后的任务状态摘要，便于后续模型调用继续执行。
开发者在构建多轮、多步骤的 AI 代理流程时，可用它压缩聊天历史，避免模型因上下文过长而中断。这样能让任务在更长流程中持续运行。
当当前会话即将触达上下文窗口上限时，它可以轮换到新会话，并保留继续执行所需的核心信息。适合需要长时间连续推理的场景。
它是一个 MCP 服务器，用于代理式工作流中的上下文窗口优化和会话轮换。其目标是通过压缩聊天历史、轮换会话来防止大模型耗尽上下文。
它更适合长对话、长链路、多步骤的代理任务。尤其是在模型上下文窗口容易被历史消息占满时会比较有用。
给定信息只表明它是一个 MCP 工具，未提供安装步骤、运行时或密钥要求。具体前置条件见源码仓库。
监控 AI 编码代理上下文窗口占用，提前触发状态保存与压缩准备。
压缩上下文并持久化任务检查点，显著降低 AI 代理 token 消耗
帮助代理监测上下文压力、压缩会话历史并跨会话恢复关键规则与文件状态
为 AI 提供可持久存储、检索与上下文窗口管理的虚拟记忆库
为 AI 编码代理提供跨会话持久记忆与本地上下文支持
帮助团队用 Git 和 Markdown 持久管理 AI 项目上下文与决策约束