JSON 转 LLM 上下文压缩器 Skill 技能

技能简介

vc999999999-json-to-llm-context（JSON 转 LLM 上下文压缩器） 解决的是一个高频又隐蔽的浪费：把巨大的 JSON 或 jsonb 导出直接塞进对话，既烧 token 又把关键事实淹没在噪声里。这个 Skill 内置一个本地 Python 摘要器，读取文件路径或标准输入中的 JSON，输出分节可读的紧凑摘要——Summary（概览）、Details（细节）、Collections（集合）三层结构，把数组压缩成"条数 + 状态分布 + 样例记录"，同时保留你指定的键或点分路径。它面向 Claude、Codex、Claude Code，本地运行、无网络访问、无子进程调用。Skillstore 质量评分 81 分（silver 档），riskLevel 为 safe，MIT 许可，浏览 175 次、下载 27 次（本批候选中下载最高），审计状态 complete。

核心能力

• 多来源读取：既支持从文件路径读取，也支持通过标准输入管道传入 JSON 文本。
• 分节摘要输出：按 Summary / Details / Collections 三段组织，长负载变成可扫读的结构化概览。
• 数组压缩：把大数组收敛为总数、状态分布与少量样例记录，避免整块数据进入上下文。
• 关键字段保留：支持指定保留的键或点分路径（如 profile.email），确保业务关键字段不被压缩掉。
• 来源路径标记：可选地为每行摘要附加源路径，方便回溯到原始 JSON 的具体位置。
• 双风格输出：提供扁平与分节两种样式，并有严格模式控制空值、假值是否保留。

安装配置

1. 执行 npx skillstore add vc999999999/json-to-llm-context 完成安装。
2. 适用工具为 Claude、Codex、Claude Code；风险因素仅涉及本地外部命令，审计确认无网络访问、无环境变量读取、无隐藏代码。
3. 输入必须是合法 JSON 或 jsonb 风格 JSON 文本；PDF、DOCX、图片与纯文字文档不在处理范围内。
4. 处理敏感本地文件前，需先确认输出落点与分享路径已获批准，避免摘要外泄。

使用步骤

1. 指定输入：给出 JSON 文件路径，或把接口响应通过标准输入管道传给技能。
2. 生成概览：要求输出可读摘要，先看 Summary 层把握整体规模与结构。
3. 压缩上下文：若首版仍过长，降低采样条数、嵌套深度与字符串长度限制后重新生成。
4. 锁定关键字段：声明必须保留的状态、标识符、邮箱、订单等字段，确保它们不被稀疏化丢弃。
5. 带路径核对：开启路径标记模式，让每行摘要都能追溯回原始 JSON，便于排查疑点。

适用场景

• 接口排障：把大块服务响应压缩成紧凑上下文，再让 LLM 解释行为或定位异常状态。
• jsonb 导出分析：数据库 jsonb 字段导出后转为可读摘要，支撑排查、客服与产品调查。
• 提示词瘦身：嵌套记录压缩后保留标识、状态与关系，显著降低 prompt token 消耗。
• 日志与事件审阅：快速把握一批结构化记录的分布与异常，而不用逐条阅读。
• 投研与运营调查：对结构化数据集先做概览再决定深入方向。

适用人群

需要把接口响应、数据库导出喂给大模型的后端与数据工程师，做客服排查与产品调查的运营人员，以及所有在意"上下文预算"的 AI 应用开发者。

工作原理

技能内置的摘要器先做结构解析与合法性校验，再按"概览—细节—集合"三层递归压缩：对象取关键字段与统计口径，数组折算为数量与分布并只留样例，长字符串按长度截断。用户指定的保留路径会被单独摘出，不受压缩策略影响；严格模式则禁止丢弃 false 与空值，避免语义反转。它明确不做的事包括：非 JSON 文档处理、OCR、以及默认情况下保留全部源字段——不加保留选项时，摘要可能省略低信号的空值，这点需要在使用前想清楚。

官方链接

• 技能页面：https://skillstore.io/skills/vc999999999-json-to-llm-context
• 源码仓库：https://github.com/vc999999999/json-to-llm-context/tree/main/json-to-llm-context
• 安装命令：npx skillstore add vc999999999/json-to-llm-context