agentleFS
Sign inStart free
willink-osswillink-oss/willink-claude-kit/skills/context-bloat-tracker/SKILL.md

context-bloat-tracker

Skill0 starsChanged 4 months agoMITView on GitHub

transcript の session 別メッセージ数・近似入力量を集計し、context が肥大した session を決定論的に検出する。トリガー語彙: context 肥大, context bloat, session 肥大検出, 入力量推移, transcript 集計, context diet, 肥大 session, コンテキスト汚染

The file

Create a free account to mount
Files
SKILL.md

context-bloat-tracker（session context 肥大トラッカー）

harness-engineering の「常駐 context 最小化」（2026-06-10 H1）を session ランタイム側から補完する観測 skill。 常駐 context の静的行数は resident-context-budget が測るが、実際に 1 ターンへ載る量は セッション中の履歴蓄積・tool 結果で膨れる。transcript から session 別の入力量を実測し、 肥大した session を機械検出して「/compact 提案・new task = new session」の判断材料にする（原則 P1 自己申告禁止）。

目的

  • ~/.claude/projects/*/*.jsonl（実 transcript）を session 別に集計し、メッセージ数と近似 char 量を測る
  • 閾値超過（msgs ≥ 200 or chars ≥ 400,000）の session を *BLOAT* として列挙する
  • context 肥大が習慣化している session パターンを可視化し、/compact 頻度・session 分割の運用改善に供する
  • ログ源（transcript）が無い環境では「観測継続」として exit0（観測不足は失敗ではない）

実行手順

  1. 集計を表示する:
    python3 scripts/agentlog.py context-bloat          # 人間可読サマリ
python3 scripts/agentlog.py context-bloat --json    # 機械可読（JSON）
    • 既定源: ~/.claude/projects/*/*.jsonl（--transcript <path> で単一ファイル指定・--projects-dir で差替可）
    • 出力: sessions 総数 / bloated 件数 / char 降順の top10 session（*BLOAT* フラグ付き）
    • 集計単位: type が user/assistant のレコードを 1 メッセージとして数え、各 content block の text/thinking 文字数・tool_use input・tool_result を近似 char として合算する（compact_boundary も計数）
    • 源が無い時（transcript 未発見）: 観測継続 と表示して exit0。これは壊れではなく「まだ測る材料がない」状態。 空出力を「0 件」と即断しない（docs/incidents.md 空≠ゼロ件）。
  2. bloated session が継続的に出るなら運用側で対処:
    • 長時間 session は /compact（hint 付き）を提案／タスク切替時は new session 起動（docs/practices.md）
    • 常駐 context 側の肥大は姉妹 skill resident-context-budget の --check で別途 floor 管理
  3. 月次 /harness-review の E 項（生産性）で bloated 率の推移を記録する。

決定論 --check（コマンドと exit の意味）

python3 scripts/agentlog.py context-bloat --self-test
  • exit 0 = self-test PASS: hermetic temp fixture（250 メッセージの big session＝BLOAT / 3 メッセージの small session＝非 BLOAT / char 降順で big が先頭 / 欠如パスは source_ok=False かつ render に「観測継続」）で 集計・判定・欠如耐性が期待通り。fixture は tempfile に作り実行後に削除する（リポジトリに残さない）。
  • exit 非0 = FAIL: 集計ロジックまたは源欠如耐性が壊れている（stderr に失敗内容）。

閾値（scripts/agentlog.py の module 定数）: BLOAT_MSG_THRESHOLD=200 / BLOAT_CHAR_THRESHOLD=400,000。 原則 P1 の floor 運用に従い、緩める方向の変更は禁止（下げる／据え置きのみ）。

参照

  • 実装: scripts/agentlog.py サブコマンド context-bloat（run_context_bloat / render_context_bloat / selftest_context_bloat）
  • 集計源: ~/.claude/projects/*/*.jsonl（各 Claude Code session の transcript）
  • 姉妹 skill: resident-context-budget（常駐 context 静的行数 floor）/ harness-review（月次 E 項）
  • 運用ルール: docs/practices.md（compact / new session）/ docs/incidents.md（空≠ゼロ件）
  • 設計原則: 原則 P1（自己申告禁止・決定論ゲート）/ ハーネス再設計 H1（context 最小化）

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

Check your setup, free