内容总结

适用人群

适合：要快速看完长文档、长视频或会议记录的人、要把网页、PDF、录音或课程内容整理成重点摘要的人、要先拿到结论、行动项和重点再继续决策或汇报的人。

技能介绍

“。

它更适合放进日常流程里，先完成第一轮处理，再由人工确认和继续推进。

业务背景和落地案例

当团队需要内容总结时，可以先用内容总结完成第一轮处理。常见做法是把相关文件、网址、素材或配置交给它，先产出初版结果，再由人工确认和继续推进。

能做什么

• 总结文档、网页、视频或会议内容。
• 提炼重点结论、行动项或摘要。
• 把分散信息整理成更容易阅读的结果。

安装方法

方式 1：对 OpenClaw 说（不用写代码）

适合：OpenClaw、Codex、Kimiclaw、Windsurf、Trae、华为 CodeArts。

直接对 OpenClaw 说：

帮我安装一个叫 内容总结 的 Skill。
如果安装时需要精确名字，就用 agent-skills-slicing-long-contexts。
装好以后，先用它帮我处理一遍当前任务。

如果需要手动安装，可以用这条命令：

clawhub install agent-skills-slicing-long-contexts

方式 2：导入 MD 安装

适合：腾讯Workbuddy、百度Duclaw、字节Arkclaw、智谱Autoclaw、科大讯飞Astronclaw。

1. 找到这条 Skill 自带的 Markdown 文件，通常就是它的 SKILL.md 或同名 .md 文件。
2. 把这个 Markdown 文件导入到你的产品里。
3. 导入完成后，直接对 AI 说：

用刚刚导入的内容总结，先帮我处理当前任务。

备注：这一种本质上是导入一个 Markdown 文件，给知道安装包里有 .md 文件的人即可。

方式 3：代码安装

适合：Claude Code、Cursor、通义灵码、文心快码。

最短可用命令：

python <CODEX_HOME>/skills/slicing-long-contexts/scripts/cleanup_outputs.py --target runs|slices|prompts|responses|summary|final|manifest|all

如果要继续执行，可以再用：

python <CODEX_HOME>/skills/slicing-long-contexts/scripts/slice_runner.py --prompt <corpus-file> --question "<target>" --provider openai --chunk-size 30000 --prefer-headings --max-slices 6 --out-dir rlm_outputs/<run_id> --run-id <run_id> --with-user-codex-access --summary-cmd-template "codex {approval_flags} exec --model {model} \"$(cat {prompt_path})\"" --summary-system-prompt "You are writing <target-doc>. Combine sub-responses into a concise, structured, actionable output." --summary-out rlm_outputs/<run_id>/rlm_summary.txt
python <CODEX_HOME>/skills/slicing-long-contexts/scripts/slice_runner.py --prompt <corpus-file> --question "Write <target-doc> covering <topics> in concise bullets." --provider openai --chunk-size 30000 --prefer-headings --max-slices 6 --out-dir rlm_outputs/<run_name> --run-id <run_name> --with-user-codex-access --summary-cmd-template "codex {approval_flags} exec --model {model} \"$(cat {prompt_path})\"" --summary-system-prompt "You are writing <target-doc>. Combine sub-responses into a concise, structured, actionable output." --summary-out rlm_outputs/<run_name>/rlm_summary.txt

使用步骤

1. 先选上面 3 种方式里，自己最容易完成的一种。
2. 安装完成后，直接对 OpenClaw 说：“用内容总结帮我处理当前任务。” 先让它自己跑一遍就可以。
3. 如果你已经有明确文件、网址、目录或数据，再把它补给 OpenClaw，让它只处理这一部分。
4. 先看第一轮结果，再决定要不要追加条件、缩小范围或继续执行下一步。
5. 如果这条 Skill 确实好用，就把它保留在常用列表，后面重复任务直接复用。

你需要准备什么

• 与你当前任务相关的文件、网址、目录或数据。
• 要整理的网址、文档、音频或视频。
• 你最关心的问题、主题或摘要角度。
• 如果有输出格式要求，也可以一起说明。
• 如果这条 Skill 依赖外部服务，还要准备对应账号权限或可用凭证。

你会看到什么结果

• 摘要、重点结论或行动项。
• 更适合继续流转的整理结果。
• 方便业务方快速查看的内容提炼。

风险提示

• 涉及 API Key、Token 或其他凭证时，先确认保存方式和权限边界。
• 如果会修改外部系统、本地文件或线上环境，建议先在测试环境跑最小流程。
• 依赖外部服务时，网络波动、配额限制或接口变化都会影响结果。
• 自动化页面流程容易受页面结构变化影响，正式使用前先跑一遍最小示例。

来源信息

• 公开页面地址: https://agentskillsrepo.com/skill/aufrank/agent-skills-slicing-long-contexts
• SKILL.md 下载地址: https://agentskillsrepo.com/skill/aufrank/agent-skills-slicing-long-contexts/download