实践openclaw-concepts
Session pruning · OpenClaw — 修剪工具输出，省缓存费，防上下文膨胀，值得一读。
修剪工具输出，省缓存费，防上下文膨胀，值得一读。
2026-08-17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 会话修剪机制
长会话累积工具输出撑大上下文，推高成本并提前触发压缩
- 修剪对象是工具结果，不改对话正文
- 对 Anthropic 提示缓存尤其有价值
- 减少需缓存内容，后续请求留在更短前缀
⚙️ 流程拆解
STEP 1开启 cache-ttl 模式
STEP 2等待缓存 TTL 过期
STEP 3估算上下文用量
STEP 4软修剪超长工具结果
STEP 5必要时硬清除结果
STEP 6记录投影并重置时钟
🔗 涉及的概念与玩家
- OpenClaw产品
- Anthropic公司
- prompt caching概念
- Amazon Bedrock产品
- Vertex产品
- compaction概念
- cache-ttl方法
- Claude CLI产品
- OpenClaw—委托服务端清除→Anthropic
- OpenClaw—优化→prompt caching
- OpenClaw—本地修剪→Amazon Bedrock
- OpenClaw—本地修剪→Vertex
- cache-ttl—互补→compaction
- OpenClaw—复用认证→Claude CLI
- 修剪仅在内存中，不修改磁盘记录，且只在缓存 TTL 过期且上下文超 30% 时执行，避免破坏缓存复用。
- 超 4000 字符的工具结果保留首尾各 1500 字符，中间用省略号；若仍超 50% 且可修剪内容超 5 万字符，则硬清除并替换占位符。
- 最后三轮助手消息和首个用户消息前的内容永不修剪，保护引导文件；可配置允许/拒绝修剪的工具名。
- 对 agent harness 设计：修剪策略需兼顾缓存命中与上下文控制，且需保留关键引导内容。
🕸 顺着图谱继续读
- 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、Anthropic
- Agent runtimes · OpenClaw — 一文讲清OpenClaw中agent runtime与provider、mode2026-06-29 · 共同涉及 OpenClaw、Claude CLI
- 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
- Context · OpenClaw — 理解AI agent的上下文窗口构成，优化token使用与成本2026-07-06 · 共同涉及 OpenClaw、compaction