OpenRig compact上下文压缩完全指南Agent上下文窗口快满时怎么办【免费下载链接】openrigMulti-agent harness that runs Claude Code and Codex together as one system项目地址: https://gitcode.com/GitHub_Trending/op/openrig一、Agent上下文窗口快满时先别急着重开会话如果你正在用 Claude Code 或 Codex 跑多智能体任务大概率会遇到一个场景Agent 干了两个小时上下文窗口被日志、代码和来回对话塞满回答开始变慢、变笨甚至直接报错。大多数人的做法是硬着头皮继续或者干脆杀掉会话重来——但前两个小时的工作记忆就全丢了。OpenRig是一个多智能体协作框架multi-agent harness可以把 Claude Code 和 Codex 像一支团队一样统一管理。它内置的compact 上下文压缩功能专门解决这个问题当某个 Agent 的上下文用量接近阈值时OpenRig 会自动引导它完成一套「备份记忆 → 压缩 → 恢复 → 审计」的安全压缩流程而不是粗暴地丢一个/compact命令进去。整个过程对普通用户来说只有三条命令要认识。二、为什么「裸 /compact」不够安全直接对 Claude 会话执行/compact有一个隐蔽的坑压缩边界前后的对话是断层的Agent 可能不知道自己刚刚被压缩过也不记得压缩前应该保留哪些「心理模型」当前任务走到第几步、哪些文件必须读。OpenRig 的自动压缩策略核心逻辑在 claude-compaction-enforcer.ts因此设计成四步引导式生命周期步骤名称做了什么1️⃣压缩前准备prep用量第一次超过阈值时先发一条正常消息让 Agent 加载 restore 技能、写下「心理模型恢复地图」breadcrumb map2️⃣发送 /compact等准备回合完成后才发送/compact并附带一条信任桥接说明告诉它压缩后收到的恢复消息是操作员授权的3️⃣压缩后恢复restore用量回落到阈值以下后先发一个「回合边界」确认再发送恢复指令读取恢复标记和恢复包回答「已从哪个恢复点续上第几步」4️⃣深度审计audit让 Agent 列出恢复时该读的每个文件标注 FULL / PARTIAL / NOT_READ 阅读深度把没读完的补读完整输出阅读深度表几个保护机制值得新手知道60 秒去重窗口同一个座位触发一次后 60 秒内不会重复触发防止「每 60 秒被压缩一次」的抖动10 分钟恢复冷却一轮完整恢复审计结束后冷却期内不再触发只针对 Claude Code 座位Codex 座位会走它自己的运行时机制直接跳过runtime_filter发送失败不推进阶段座位忙的时候同一阶段会在下一轮轮询重试而不是跳步。三、手动压缩一条命令 rig compact 安全压一个座位自动策略有开关等你想主动压缩时比如任务告一段落、想省 token用手动命令即可rig compact dev-implmy-rig这条命令实现见 compact.ts会走和自动策略完全相同的引导式流程prep → /compact → restore → audit只是不受阈值和开关限制只作用于指定的一个Claude 座位。几个要点两阶段等待空闲先发送准备回合然后最多等 120 秒直到座位空闲才发送/compact——保证恢复地图一定写在压缩之前重复调用是安全的同一座位正在压缩时第二次调用会返回already_in_progress而不是重复发送非 Claude 座位会被明确拒绝runtime_filter不会静默失败加--json参数可以拿到机器可读的阶段进度preparing→compact-sent→restore-sent→audit-sent。四、先体检再动手rig compact-plan 只读压缩计划不确定该压缩谁OpenRig 提供了一个只读的分诊计划命令它只分析、不压缩任何座位rig compact-plan # 全量只读计划 rig compact-plan --rig my-rig # 只看一个 rig rig compact-plan --refresh # 先重新采样上下文用量再计划实现见 compact-plan.ts。它会扫描所有座位的上下文遥测默认阈值 40 万 token缺失窗口大小时退化为 80% 用量阈值把每个座位分成三类候选candidates超过阈值、但可能有证据缺口的座位按估算用量从高到低给出「一次一个座位」的建议处理顺序阻塞blocked座位没在运行、会话名缺失、上下文数据未知——先修好这些再谈压缩跳过skippedCodex / 非 Claude 运行时或用量低于阈值。每个候选和阻塞项还附带「通知包」——一段可直接转发给操作员或 Agent 的说明文字写清楚缺什么证据、下一步该做什么。它的策略是写死的一次只压一个座位、不允许自动压缩、必须显式授权。五、自动压缩怎么开、怎么调阈值自动压缩策略是默认关闭、显式开启的设计opt-in配置项在policies.claude_compaction.*下可通过rig config管理见 config.ts 的命令说明配置键作用enabled总开关false时永远不会自动触发threshold_percent触发阈值1–100 的整数用量达到它就走四步流程compact_instruction追加到/compact后的自定义指令会自动拼接信任桥接说明压缩前后指令可配置 prep / restore 阶段注入的额外指令也支持用指令文件按座位区分一个新手友好的设置思路把threshold_percent设成70–80这样压缩会在「明显变笨」之前发生如果你跑长任务且希望 Agent 压缩前多做备份可以在 prep 指令里写明「先把当前任务的进度和关键文件列表写进恢复地图」。六、快速上手清单装好并启动npm install -g openrig/cli后rig up first-project-claude纯 Claude 团队启动一个 rig详见 README.md 的起步路径看用量在 TUI 的座位表里就有每个座位的 context 列rig ps --nodes也能查开自动策略把policies.claude_compaction.enabled设为true并定好threshold_percent想主动压rig compact 座位走完整引导流程拿不准就先分诊rig compact-plan --refresh先看计划再对单个座位授权手动压缩。一句话总结Agent 上下文快满时别再硬扛或重开——OpenRig 的 compact 机制用「备份记忆 → 压缩 → 恢复 → 审计」四步流程让 Agent 压缩完还能准确回答自己是续上第几步上下文窗口从此不再是多智能体长跑的天花板。【免费下载链接】openrigMulti-agent harness that runs Claude Code and Codex together as one system项目地址: https://gitcode.com/GitHub_Trending/op/openrig创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
OpenRig compact上下文压缩完全指南：Agent上下文窗口快满时怎么办
OpenRig compact上下文压缩完全指南Agent上下文窗口快满时怎么办【免费下载链接】openrigMulti-agent harness that runs Claude Code and Codex together as one system项目地址: https://gitcode.com/GitHub_Trending/op/openrig一、Agent上下文窗口快满时先别急着重开会话如果你正在用 Claude Code 或 Codex 跑多智能体任务大概率会遇到一个场景Agent 干了两个小时上下文窗口被日志、代码和来回对话塞满回答开始变慢、变笨甚至直接报错。大多数人的做法是硬着头皮继续或者干脆杀掉会话重来——但前两个小时的工作记忆就全丢了。OpenRig是一个多智能体协作框架multi-agent harness可以把 Claude Code 和 Codex 像一支团队一样统一管理。它内置的compact 上下文压缩功能专门解决这个问题当某个 Agent 的上下文用量接近阈值时OpenRig 会自动引导它完成一套「备份记忆 → 压缩 → 恢复 → 审计」的安全压缩流程而不是粗暴地丢一个/compact命令进去。整个过程对普通用户来说只有三条命令要认识。二、为什么「裸 /compact」不够安全直接对 Claude 会话执行/compact有一个隐蔽的坑压缩边界前后的对话是断层的Agent 可能不知道自己刚刚被压缩过也不记得压缩前应该保留哪些「心理模型」当前任务走到第几步、哪些文件必须读。OpenRig 的自动压缩策略核心逻辑在 claude-compaction-enforcer.ts因此设计成四步引导式生命周期步骤名称做了什么1️⃣压缩前准备prep用量第一次超过阈值时先发一条正常消息让 Agent 加载 restore 技能、写下「心理模型恢复地图」breadcrumb map2️⃣发送 /compact等准备回合完成后才发送/compact并附带一条信任桥接说明告诉它压缩后收到的恢复消息是操作员授权的3️⃣压缩后恢复restore用量回落到阈值以下后先发一个「回合边界」确认再发送恢复指令读取恢复标记和恢复包回答「已从哪个恢复点续上第几步」4️⃣深度审计audit让 Agent 列出恢复时该读的每个文件标注 FULL / PARTIAL / NOT_READ 阅读深度把没读完的补读完整输出阅读深度表几个保护机制值得新手知道60 秒去重窗口同一个座位触发一次后 60 秒内不会重复触发防止「每 60 秒被压缩一次」的抖动10 分钟恢复冷却一轮完整恢复审计结束后冷却期内不再触发只针对 Claude Code 座位Codex 座位会走它自己的运行时机制直接跳过runtime_filter发送失败不推进阶段座位忙的时候同一阶段会在下一轮轮询重试而不是跳步。三、手动压缩一条命令 rig compact 安全压一个座位自动策略有开关等你想主动压缩时比如任务告一段落、想省 token用手动命令即可rig compact dev-implmy-rig这条命令实现见 compact.ts会走和自动策略完全相同的引导式流程prep → /compact → restore → audit只是不受阈值和开关限制只作用于指定的一个Claude 座位。几个要点两阶段等待空闲先发送准备回合然后最多等 120 秒直到座位空闲才发送/compact——保证恢复地图一定写在压缩之前重复调用是安全的同一座位正在压缩时第二次调用会返回already_in_progress而不是重复发送非 Claude 座位会被明确拒绝runtime_filter不会静默失败加--json参数可以拿到机器可读的阶段进度preparing→compact-sent→restore-sent→audit-sent。四、先体检再动手rig compact-plan 只读压缩计划不确定该压缩谁OpenRig 提供了一个只读的分诊计划命令它只分析、不压缩任何座位rig compact-plan # 全量只读计划 rig compact-plan --rig my-rig # 只看一个 rig rig compact-plan --refresh # 先重新采样上下文用量再计划实现见 compact-plan.ts。它会扫描所有座位的上下文遥测默认阈值 40 万 token缺失窗口大小时退化为 80% 用量阈值把每个座位分成三类候选candidates超过阈值、但可能有证据缺口的座位按估算用量从高到低给出「一次一个座位」的建议处理顺序阻塞blocked座位没在运行、会话名缺失、上下文数据未知——先修好这些再谈压缩跳过skippedCodex / 非 Claude 运行时或用量低于阈值。每个候选和阻塞项还附带「通知包」——一段可直接转发给操作员或 Agent 的说明文字写清楚缺什么证据、下一步该做什么。它的策略是写死的一次只压一个座位、不允许自动压缩、必须显式授权。五、自动压缩怎么开、怎么调阈值自动压缩策略是默认关闭、显式开启的设计opt-in配置项在policies.claude_compaction.*下可通过rig config管理见 config.ts 的命令说明配置键作用enabled总开关false时永远不会自动触发threshold_percent触发阈值1–100 的整数用量达到它就走四步流程compact_instruction追加到/compact后的自定义指令会自动拼接信任桥接说明压缩前后指令可配置 prep / restore 阶段注入的额外指令也支持用指令文件按座位区分一个新手友好的设置思路把threshold_percent设成70–80这样压缩会在「明显变笨」之前发生如果你跑长任务且希望 Agent 压缩前多做备份可以在 prep 指令里写明「先把当前任务的进度和关键文件列表写进恢复地图」。六、快速上手清单装好并启动npm install -g openrig/cli后rig up first-project-claude纯 Claude 团队启动一个 rig详见 README.md 的起步路径看用量在 TUI 的座位表里就有每个座位的 context 列rig ps --nodes也能查开自动策略把policies.claude_compaction.enabled设为true并定好threshold_percent想主动压rig compact 座位走完整引导流程拿不准就先分诊rig compact-plan --refresh先看计划再对单个座位授权手动压缩。一句话总结Agent 上下文快满时别再硬扛或重开——OpenRig 的 compact 机制用「备份记忆 → 压缩 → 恢复 → 审计」四步流程让 Agent 压缩完还能准确回答自己是续上第几步上下文窗口从此不再是多智能体长跑的天花板。【免费下载链接】openrigMulti-agent harness that runs Claude Code and Codex together as one system项目地址: https://gitcode.com/GitHub_Trending/op/openrig创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
