实践openclaw-concepts
Compaction · OpenClaw — OpenClaw 的上下文压缩策略:智能摘要、工具调用保护与可插拔提供者。
OpenClaw 的上下文压缩策略:智能摘要、工具调用保护与可插拔提供者。
2026-07-06原文
本文为要点摘要,完整细节以原文为准。
🧭 一图看懂
由原文自动提炼 · 以原文为准点击任一分支,查看这一点的一句话解读
OpenClaw 上下文压缩策略
旧对话轮次被摘要成紧凑条目,近期消息保持原样
- 摘要存入会话记录,完整历史仍留在磁盘
- 压缩只改变模型下一轮看到的内容
- 工具调用与对应 toolResult 成对保留
⚙️ 流程拆解
STEP 1对话接近上下文上限
STEP 2选定压缩切点
STEP 3旧轮次摘要为紧凑条目
STEP 4摘要写入会话记录
STEP 5近期消息保持完整
STEP 6模型继续下一轮
🔗 涉及的概念与玩家
- OpenClaw产品
- compaction概念
- context window概念
- quality guard方法
- keepRecentTokens概念
- Ollama产品
- Anthropic公司
- OpenRouter产品
- OpenClaw—实现→compaction
- compaction—应对→context window
- OpenClaw—内置→quality guard
- compaction—使用→keepRecentTokens
- OpenClaw—支持→Ollama
- OpenClaw—支持→OpenRouter
- 智能摘要与工具调用保护:压缩时自动将旧对话摘要化,并确保工具调用与结果配对不被拆分,保留最近未摘要的尾部。
- 含义:Agent 框架需在压缩时维护工具调用的完整性,避免上下文断裂影响后续执行。
- 自动压缩与溢出重试:会话接近上下文限制或模型返回溢出错误时自动触发压缩并重试,压缩前提醒 Agent 保存重要笔记到内存文件。
- 含义:Prompt 设计应包含自动保存关键状态的机制,防止压缩导致信息丢失。
- 可配置压缩模型与提供者:支持指定专用模型(如本地 Ollama)或通过插件注册自定义压缩提供者,失败时回退到内置 LLM。
- 含义:Agent 系统应允许分离压缩与对话模型,提升摘要质量与系统灵活性。
🕸 顺着图谱继续读
- Session pruning · OpenClaw — 修剪工具输出,省缓存费,防上下文膨胀,值得一读。2026-08-17 · 共同涉及 OpenClaw、Anthropic、compaction
- Model providers · OpenClaw — 一文讲清OpenClaw多模型供应商配置与运行时分离机制2026-07-27 · 共同涉及 OpenClaw、Anthropic、Ollama
- Features · OpenClaw — 一个网关连接所有聊天平台,多智能体路由与隔离会话。2026-07-13 · 共同涉及 OpenClaw、Anthropic、Ollama
- The main session · OpenClaw — 主会话是智能体所有交互的汇聚点,一文讲清其设计哲学2026-07-20 · 共同涉及 OpenClaw、compaction