OpenClaw 上下文压缩与修剪：自动管理超长对话

2026-03-26 · 4 分钟进阶玩法

为什么需要上下文管理？

长时间对话会导致上下文窗口接近模型上限，造成响应变慢、成本增加甚至请求失败。OpenClaw 提供两个机制自动管理上下文：

Compaction（压缩）：将过长的对话历史压缩为摘要
Context Pruning（修剪）：清理过时的工具调用结果

Compaction 配置

{
  agents: {
    defaults: {
      compaction: {
        mode: "safeguard",
        timeoutSeconds: 900,
        reserveTokensFloor: 24000,
        identifierPolicy: "strict",
        identifierInstructions: "Preserve deployment IDs...",
        postCompactionSections: ["Session Startup", "Red Lines"],
        model: "openrouter/anthropic/claude-sonnet-4-6",
        memoryFlush: {
          enabled: true,
          softThresholdTokens: 6000,
          systemPrompt: "Session nearing compaction...",
          prompt: "Write lasting notes to memory/YYYY-MM-DD.md"
        }
      }
    }
  }
}

参数说明

参数	说明
`mode`	`"safeguard"` 使用分块摘要压缩历史
`timeoutSeconds`	压缩操作超时时间
`reserveTokensFloor`	压缩后至少保留的 token 数
`identifierPolicy`	`"strict"` 保留标识符，`"off"` 不保留，`"custom"` 自定义
`postCompactionSections`	压缩后重新注入的 AGENTS.md 标题段落
`model`	用于执行压缩的模型

Memory Flush

memoryFlush 是压缩前的记忆保存机制——在自动压缩触发前，AI 会先执行一轮静默操作，将重要信息写入持久化记忆文件：

softThresholdTokens：触发阈值
prompt：告诉 AI 将哪些信息写入记忆

Context Pruning 配置

{
  agents: {
    defaults: {
      contextPruning: {
        mode: "cache-ttl",
        ttl: "1h",
        keepLastAssistants: 3,
        softTrimRatio: 0.3,
        hardClearRatio: 0.5,
        minPrunableToolChars: 50000,
        softTrim: {
          maxChars: 4000,
          headChars: 1500,
          tailChars: 1500
        },
        hardClear: {
          enabled: true,
          placeholder: "[Old content cleared]"
        }
      }
    }
  }
}

修剪机制

Soft Trim：超过 softTrimRatio 阈值时，将工具结果截断为 headChars + tailChars
Hard Clear：超过 hardClearRatio 阈值时，替换为 placeholder 文本
图片内容永远不会被修剪或清除
修剪只影响发送给模型的上下文，不修改磁盘上的历史记录

关键参数

ttl：工具结果的存活时间，超过后可被修剪
keepLastAssistants：保留最近 N 轮助手回复不被修剪
minPrunableToolChars：工具结果至少超过此字符数才会被修剪