Claw Compactor — compression de jetons d'espace de travail

Ce qu'il fait

Claw Compactor fournit un pipeline multicouche pour compresser le contenu de l'espace de travail et réduire les coûts de jetons LLM. Il combine une compression déterministe basée sur des règles (déduplication, encodage de dictionnaire, RLE, optimisations du tokenizer) avec une couche optionnelle de mémoire observationnelle pilotée par le LLM Engram pour la synthèse sémantique et les réflexions à long terme. Comprend des CLI pour exécuter des benchmarks, des pipelines complets et des exécutions de couches ciblées.

Quand l'utiliser

Exécutez-le au démarrage de la session pour réduire le contexte système injecté, avant des appels LLM coûteux pour abaisser le prix, ou comme un cron de maintenance régulier pour compresser les fichiers de mémoire accumulés. Utilisez le mode benchmark pour estimer les économies ; exécutez le pipeline complet lorsque les économies justifient les écritures. Utile pour les équipes gérant d'importants historiques d'espaces de travail d'agents.

Ce qui est inclus

• Scripts : mem_compress.py (point d'entrée), engram_cli.py, engram_auto.py et divers utilitaires.
• Références : exemples de configuration (engram.yaml), guide des seuils et disposition des artefacts de sortie.
• Instructions : utilisation de la CLI pour le pipeline complet, commandes par couche, exemples d'API Engram, mode daemon et conseils d'intégration pour l'injection de contexte dans les prompts système.

Agents compatibles

Agents ayant accès à l'espace de travail et capables d'exécuter Python/CLI (OpenClaw, agents d'automatisation compatibles CLI). La couche Engram nécessite un point de terminaison compatible LLM ou une clé API pour les services compatibles Anthropic/OpenAI.