什么是Prompt Slimmer
Prompt Slimmer 是一款专为 OpenClaw 工作区设计的系统提示优化工具，核心目标是审计并精简工作区中的各类 Markdown 文件，从而显著降低每次 API 调用时注入的系统提示令牌（tokens）开销。在 OpenClaw 架构中，多个关键文件如 SOUL.md、MEMORY.md、AGENTS.md 等会被完整嵌入到每一次对话的上下文之中，即使只是发送一条简单的“你好”，这些文件的内容也会被重复传输。这种机制虽然保证了信息完整性，但也带来了巨大的 token 浪费——例如一个 50KB 的工作区文件大约相当于 12,000 个 tokens，按 Opus 模型单价计算，仅此一项就可能导致每条消息产生约 0.18 美元的成本。因此，在不丢失关键信息的前提下压缩这些文件的体积，对于提升效率和控制成本至关重要。 该工具采用分层优化策略，将内容划分为三个层级：始终在线的核心层（Layer 1）、可搜索归档层（Layer 2）和技能嵌入式层（Layer 3）。第一层包含身份特征、行为规则和安全约束等必须常驻的信息；第二层则存放已完成项目、历史记录或技术细节，可通过 `memory_search` 按需检索；第三层将特定任务的流程指南和代码模板移至 SKILL.md 文件中，仅在触发相关技能时才加载。通过识别冗余内容、移除“幽灵文件”（即非标准但仍在根目录的 .md 文件），以及跨文件去重，Prompt Slimmer 能够系统化地减少整体文本量，同时确保关键功能不受影响。
核心功能特点
- 自动扫描并识别 OpenClaw 工作区中的所有 Markdown 文件，包括常被忽略的‘幽灵文件’
- 基于频率分析对文件进行分层管理：核心身份与规则保留在线，历史数据转入可搜索归档区
- 检测并消除跨文件间的重复内容，避免同一信息在多处冗余存储
- 提供详细的瘦身前后对比报告，预估节省的字符数、token 数量及对应成本下降
- 支持交互式执行流程，在执行前需用户确认，防止误删重要信息
- 内置针对 MEMORY.md、HEARTBEAT.md 等常见大文件的专项优化建议
适用场景
Prompt Slimmer 特别适用于那些长期运行、频繁调用的 OpenClaw 智能体实例，尤其是在处理高并发对话或预算敏感型应用场景中表现突出。例如，当一个 AI 助手需要持续维护复杂的用户关系、项目状态和个人记忆时，其工作区文件往往会迅速膨胀至数万甚至数十万字节。如果不加控制，每次交互都会携带大量陈旧或不相关的背景信息，不仅拖慢响应速度，还大幅推高云端 LLM 服务的计费成本。此时使用 Prompt Slimmer 进行一次全面审计与优化，可以立即释放出显著的性价比优势。 另一个典型场景是团队协作环境中的多智能体系统。当多个代理共享同一个工作空间并协同完成任务时，很容易出现信息孤岛或重复配置问题。比如某个代理负责客户关系管理，另一个专注于技术开发，两者可能在 IDENTITY.md 或 MEMORY.md 中分别记录了相似的客户资料或开发里程碑。Prompt Slimmer 能自动发现这类交叉引用，并建议将通用信息集中到单一位置，其余地方只保留指向性摘要，从而统一知识库结构，提高协作效率。此外，对于经常暂停后又重启的项目，传统做法往往保留全部历史细节以备查阅，但这实际上增加了不必要的认知负荷。通过将此类内容迁移到 memory/archive/ 目录下，既满足了事后追溯需求，又不干扰当前会话的流畅度。