用途：在 AI 编码智能体会话中监控上下文窗口使用情况，检测上下文退化并在输出质量下降前给出纠正路径。
主要能力：按上下文窗口预算的百分比划分严重区间（以 200K 窗口为例）——绿色 <65%（<130K，正常）；黄色 65–80%（130K–160K，开始选择性压缩）；橙红 80–90%（160K–180K，激进压缩、总结已完成阶段、必要时新建子智能体）；临界 90–93%（180K–186K，停止复杂推理、立即压缩）；自动压缩 >93%（>186K，即将触发）。参考资料提到 Claude Code 常量 AUTOCOMPACT_BUFFER_TOKENS = 13,000，自动压缩在 contextWindow - 13K 触发；并提及“迷失在中间”效应，约 100K 之后中间 Token 召回率低 20–40%。
早期预警指标包括重复工具调用、前后矛盾推理、遗漏先前上下文、过度解释、引用已解决路径等；出现 2 个及以上时按高一档处理。
使用方式：在每个阶段边界运行检测清单，按使用率触发相应动作，例如调用 Skill({ skill: 'context-compressor' }) 压缩、写入阶段总结到 .claude/context/tmp/phase-summary-{date}.md、在临界区间调用 Skill({ skill: 'session-handoff' }) 交接、自动压缩后再按事后恢复步骤读取 .claude/context/runtime/pre-compact-snapshot.json 等文件。
适用场景：与 context-compressor、session-handoff 配合，由 planner、developer、router 调用，在阶段边界主动检查。
限制：资料以 Claude Code 与 200K 窗口为参考，其他环境阈值需自行换算；具体安装与配置方式暂未提供。