用途：当问题主要是“上下文过多”而非能力不足时使用。它是一个自包含本地包，不依赖 MCP 服务器，适合快速做 token 剖析、本地压缩、证据检查或可复现的压缩流程。
主要能力：用捆绑的 Python 脚本测量原始与压缩后的 token 用量；压缩大型文本或经适配的 JSON 载荷；保留与查询相关的证据而非简单摘要；检查压缩输出是否仍含足以安全作答的证据；通过把稳定上下文放前、易变查询文本放后，支持对缓存友好的提示词组装。
触发时机：用户要求压缩文件、转录、文档或代码转储；发送前降低 token 成本；让提示词或 RAG 载荷更利于缓存；压缩多轮历史并保留近期轮次；比较语义压缩与更轻的抽取式基线；验证压缩后上下文是否有足够证据。也会在上下文接近 80K、120K、150K token 时自动触发。
使用方式：在 agent-studio 仓库根目录运行脚本。先剖析：python .claude/skills/context-compressor/scripts/profile_tokens.py --file <path> --output-format auto。压缩：python .claude/skills/context-compressor/scripts/compress_context.py --file <path> --mode baseline --output-format auto；有具体问题时用 --mode query_guided --query "<question>"；正确性重要时用 --mode evidence_aware --query "<question>" --min-similarity 0.4。完整流程：python .claude/skills/context-compressor/scripts/run_skill_workflow.py。模式选择：baseline 用于无具体问题的快速通用压缩；query_guided 是问答、评审或定向提取的默认选择；evidence_aware 用于高风险答案、审计或需要明确充分性信号时。
适用场景与限制：压缩后应报告节省、风险与下一步最安全动作；证据不足时不要臆测，应建议更宽泛的重新处理。具体性能数据、收费与价格暂未提供。