熵管理系统

熵管理系统 - 原创技能。用于管理和控制AI会话中的熵（无序度），包括上下文精简、状态重置、注意力聚焦等功能。适用于长时间会话、复杂任务、多步骤工作流等场景。

Security Scan

This is an instruction-only skill whose requested behaviors (context pruning, state reset, attention focusing) match its description and do not ask for extra credentials or installs; it is internally coherent though somewhat open-ended in how it chooses what to delete or summarize.

Purpose & Capability

The name/description (entropy management for AI conversations) aligns with the instructions (context pruning, state reset, attention focus, alerts). There are no unexpected requirements (no env vars, no binaries, no external endpoints).

Instruction Scope

SKILL.md stays within the skill's domain (monitoring session metrics, summarizing/replacing context, producing status cards). However many actions are vaguely specified and grant the agent discretionary power (e.g., "删除中间过程和废话" / delete intermediate steps, "替换原始对话" / replace original dialog). That could lead to unintended loss of context if not constrained or confirmed by the user.

Install Mechanism

No install spec and no code files (instruction-only). Lowest-risk category: nothing is written to disk and nothing is downloaded or executed beyond the agent following the prose.

Credentials

The skill requests no environment variables, credentials, or config paths. No disproportionate access to secrets or unrelated systems.

Persistence & Privilege

always is false and the skill does not request persistent privileges or modify other skills' configs. Autonomous invocation is allowed by default on the platform (not itself a security finding here).

Assessment

This skill appears coherent and low-risk from a platform perspective because it is instruction-only and asks for no credentials. Before installing: (1) test it on non-critical conversations to see how it prunes and to ensure important details aren't lost; (2) require explicit confirmation or keep a reversible archive before any automatic deletion/replacement of conversation history; (3) consider adding explicit thresholds and review rules (what counts as "核心决策" vs "废话") so the agent's deletions/summaries match your expectations; (4) monitor behavior in early use to ensure summaries are accurate and no important context is discarded.

⚠️ 发布规则

所有发布到ClawHub的技能必须严格测试，确定没有问题再发布

---

技能测试验证清单

• frontmatter格式正确
• 功能原创且实用
• 工作流程完整
• 触发条件明确
• 无语法错误

---

Entropy Manager - 熵管理系统

原创技能 | 激活词: 熵管理 / 精简上下文 / 重置状态

核心概念

什么是熵 (Entropy)?

熵 = 无序度/不确定性

在AI会话中：

• 上下文熵: 历史记录过多导致注意力分散
• 状态熵: 当前状态不清晰导致错误决策
• 任务熵: 目标不明确导致方向迷失

熵的症状

• 回复开始重复或跑题
• 忘记之前的决定
• 越来越难聚焦核心问题
• 输出质量下降

熵管理四大策略

1. 上下文精简 (Context Pruning)

当上下文超过阈值时触发：

• 保留核心决策和结论
• 删除中间过程和废话
• 压缩相似对话为摘要

触发条件: 对话超过20轮 或 上下文超过80K tokens
执行动作: 生成摘要，替换原始对话

2. 状态重置 (State Reset)

当状态混乱时触发：

• 明确当前任务目标
• 列出已完成的部分
• 确定下一步行动

触发条件: 任务切换 / 迷失方向 / 错误累积
执行动作: 生成状态卡片，聚焦核心

3. 注意力聚焦 (Attention Focus)

当注意力分散时触发：

• 识别当前核心问题
• 排除干扰项
• 设定明确边界

触发条件: 同时处理多��问题 / 任务过于复杂
执行动作: 分解任务，一次只做一件

4. 熵预警 (Entropy Alert)

持续监控熵值变化：

• 上下文增长速率
• 状态一致性
• 目标清晰度

指标: 
- ctx_rate: 上下文增长速度
- state_coherence: 状态一致性 (0-1)
- goal_clarity: 目标清晰度 (0-1)

熵管理流程

1. 检测 → 监控熵值指标
2. 预警 → 达到阈值时提醒
3. 精简 → 执行上下文压缩
4. 重置 → 状态聚焦
5. 验证 → 确保熵值降低

输出格式

熵状态报告

## 熵状态报告

### 当前指标
- 上下文长度: XXX tokens
- 会话轮数: XX轮
- 状态一致性: X.X
- 目标清晰度: X.X

### 熵等级: 🟢低 / 🟡中 / 🔴高

### 建议操作
1. [ ] 精简上下文
2. [ ] 重置状态
3. [ ] 聚焦任务

### 执行结果
[执行后更新指标]

应用场景

1. 长时间会话 - 防止上下文无限增长
2. 复杂多步骤任务 - 保持状态清晰
3. 任务切换 - 快速重置注意力
4. 错误恢复 - 从混乱状态中脱离

与Karpathy法则的结合

熵管理与Karpathy法则完美互补：

Karpathy法则	熵管理对应
先思考	降低决策熵
保持简单	降低复杂度熵
精准修改	降低改动熵
目标驱动	消除目标熵

原创性声明

本技能为原创，融合了：

• 热力学熵概念
• 系统论状态管理
• 认知科学注意力理论
• AI会话优化实践

---

作者: laosi 创建日期: 2026-04-28