用途：当智能体压缩上下文时会丢失信息，本技能用覆盖率指标衡量当前组装上下文对完整对话历史中重要主题的代表程度，量化信息丢失并定位盲区。
主要能力：覆盖五个维度并带权重——主题覆盖（2x）、实体连续性（2x）、决策保留（2x）、时效偏好/近期偏置（1.5x）、任务连续性（1.5x）。输出 0–100% 覆盖率评分与字母等级：A 90–100% 损失极小，B 75–89% 轻微缺口，C 60–74% 部分重要上下文缺失，D 40–59% 明显盲区，F 0–39% 严重缺口。可列出完整历史中存在但当前上下文缺失的主题、实体与决策，并对比最近 20 次评分追踪漂移。
使用方式：
python3 score.py --score
python3 score.py --score --verbose
python3 score.py --blind-spots
python3 score.py --drift
python3 score.py --status
python3 score.py --format json
建议在每 4 小时自动检查、依赖此前上下文的任务开始前、压缩之后、或智能体表示“不记得”时调用。评分读取 MEMORY.md（完整历史）并与当前可访问内容对比。
状态与限制：评分与盲区历史保存在 ~/.openclaw/skill-state/context-assembly-scorer/state.yaml，字段包括 last_score_at、current_score、blind_spots、score_history。本技能为只读，不修改上下文或记忆；主题提取使用关键词聚类而非 LLM 调用；实体检测用正则匹配文件路径、URL、类名、API 端点；决策检测依据“decided”“chose”“prefer”“always”“never”等标记；近期偏置按近期与旧条目代表比例衡量。其余安装与平台细节暂未提供。