Compaction（上下文壓縮）

OpenClaw 的 Compaction 機制，透過摘要較舊的對話歷史來管理上下文視窗，保持在 token 限制內。

概覽

每個模型都有上下文視窗（可見的最大 token 數）。長時間的聊天會累積訊息和工具結果；當視窗空間不足時，OpenClaw 會壓縮較舊的歷史以保持在限制內。

什麼是 Compaction

Compaction 會將較舊的對話摘要為一個精簡的摘要項目，並保留最近的訊息不變。摘要會儲存在工作階段歷史中，因此後續請求會使用：

• Compaction 摘要
• 壓縮點之後的近期訊息

Compaction 會持久化到工作階段的 JSONL 歷史中。

設定

在 openclaw.json 中使用 agents.defaults.compaction 設定來配置 Compaction 行為（模式、目標 token 數等）。

Compaction 摘要預設會保留不透明識別碼（identifierPolicy: "strict"）。可透過 identifierPolicy: "off" 覆寫此設定，或使用 identifierPolicy: "custom" 搭配 identifierInstructions 提供自訂文字。

自動 Compaction（預設開啟）

當工作階段接近或超過模型的上下文視窗時，OpenClaw 會觸發自動 Compaction，並可能使用壓縮後的上下文重試原始請求。

在詳細模式下會顯示相關狀態更新，/status 會顯示 Compaction 次數。

在 Compaction 之前，OpenClaw 可以執行一個靜默記憶刷新回合，將持久筆記儲存到磁碟。詳見 記憶 的說明與設定。

手動 Compaction

使用 /compact（可選擇附帶指令）來強制執行 Compaction：

/compact Focus on decisions and open questions

上下文視窗來源

上下文視窗大小因模型而異。OpenClaw 使用來自已設定供應商目錄的模型定義來決定限制。

Compaction 與修剪的差異

• Compaction：摘要並持久化至 JSONL。
• 工作階段修剪：僅在每次請求時於記憶體中修剪舊的工具結果。

詳見 工作階段修剪。

OpenAI 伺服器端 Compaction

OpenClaw 也支援 OpenAI Responses 伺服器端 Compaction 提示，適用於相容的 OpenAI 直接模型。這與本地 OpenClaw Compaction 分開運作，可同時並行。

• 本地 Compaction：OpenClaw 摘要並持久化至工作階段 JSONL。
• 伺服器端 Compaction：當啟用 store + context_management 時，OpenAI 在供應商端壓縮上下文。

提示

提示： 當工作階段感覺過時或上下文臃腫時，使用 /compact。大型工具輸出已經被截斷；修剪可進一步減少工具結果的累積。若需要全新開始，/new 或 /reset 會啟動新的工作階段。