实践openclaw-concepts
Context · OpenClaw — 理解AI agent的上下文窗口构成,优化token使用与成本
理解AI agent的上下文窗口构成,优化token使用与成本
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 上下文窗口构成与优化
模型单次运行收到的全部内容,受上下文窗口 token 上限约束
- 系统提示词、对话历史、工具调用与结果、附件
- Provider 隐藏包装头也计入
- 上下文≠记忆:记忆存磁盘,上下文只在当前窗口
⚙️ 流程拆解
STEP 1构建系统提示词
STEP 2注入工作区文件
STEP 3附加对话与工具结果
STEP 4模型运行消耗 token
STEP 5压缩或剪枝释放窗口
🔗 涉及的概念与玩家
- OpenClaw产品
- 上下文窗口概念
- 系统提示词概念
- Compaction方法
- Pruning方法
- SKILL.md概念
- AGENTS.md概念
- OpenClaw—受限于→上下文窗口
- OpenClaw—每次重建→系统提示词
- 系统提示词—按需读取→SKILL.md
- Compaction—释放空间→上下文窗口
- Pruning—释放空间→上下文窗口
- OpenClaw—注入→AGENTS.md
- 上下文构成透明化:OpenClaw通过
/context list、/context detail等命令,清晰展示系统提示、注入文件、工具schema等各部分占用的字符/Token数,帮助开发者定位瓶颈。 含义:Agent harness应提供细粒度上下文审计能力,让开发者能精确控制每次调用的输入。 - 文件注入与截断机制:默认注入AGENTS.md等固定文件,并设置单文件最大字符数(如20000)和总注入上限(如60000),超出时自动截断并可选添加警告。 含义:Prompt设计需考虑文件大小限制,优先注入关键信息,避免因截断丢失核心指令。
- 技能与工具的分离加载:系统提示仅包含技能列表(名称+描述),具体指令按需读取;工具schema虽不可见但计入上下文,且不同工具schema大小差异显著(如browser schema近10KB)。 含义:Agent harness应支持按需加载技能指令,并监控工具schema开销,避免不必要的上下文膨胀。
🕸 顺着图谱继续读
- Skill Workshop: Turn Agent Work Into Reusable Skills — 如何把零散的Agent操作转化为可复用的技能模块。2026-06-03 · 共同涉及 OpenClaw、SKILL.md
- 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、Compaction
- 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
- 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。2026-07-06 · 共同涉及 OpenClaw、Compaction