用途：该技能用于优化智能体的上下文窗口效率，减少延迟，并防止长上下文中的“中间遗忘”问题，适合 token 预算紧张、工具输出庞大或对话轮次较多的场景。
主要能力：
- 观察掩码（降噪）：识别超过 50 行或 1 KB 的工具输出，先提取关键数据点，再把历史中的原始输出改写为语义摘要占位符，避免日志、JSON 列表等淹没上下文。
- 上下文压缩（状态保留）：每 10 轮或 8k token 触发一次递归摘要，保留用户目标、当前任务、当前错误与关键决策，丢弃闲聊、中间工具调用和已被修正的假设，并将压缩后的状态写入系统提示或记忆文件。
- KV 缓存感知（延迟）：保持严格顺序 System -> Tools -> RAG -> User，历史只追加、不在中间插入，以最大化预填充缓存命中。
使用方式：按上述触发条件执行掩码与压缩；具体模式见 references/masking.md，算法见 references/compaction.md，实现示例见对应示例文件。
限制：资料未提供具体安装命令、依赖、平台支持、收费或效果数据；反模式包括直接倾倒原始工具输出、无界增长、在历史中间插入内容。