核心概念 • 5 分钟阅读
上下文系统
上下文：模型看到什么，它是如何构建的，以及如何检查它
"上下文"是**OpenClaw 为一次运行发送给模型的所有内容**。它受限于模型的**上下文窗口**（令牌限制）。
Tutorial.step
什么是上下文？
上下文是 LLM 的"工作记忆"。它包括：
- 对话历史： 当前会话中的以前消息和交互。
- 记忆： 从工作区召回的相关事实和信息。
- 系统提示词： 定义代理性格和行为的核心指令。
- 工具定义： 代理可以采取的可用操作的描述。
- 技能： 激活的技能集及其专门的上下文。
Tutorial.step
上下文加载
OpenClaw 使用智能加载策略来保持代理专注和高效：
自动加载
默认加载会话历史、工具定义和激活的技能。
记忆检索
扫描内存中与当前查询相关的信息并注入。
Tutorial.step
令牌限制
大型语言模型（LLM）的空间以 令牌 来衡量和限制。OpenClaw 准确跟踪此使用情况以避免错误。
什么消耗令牌？
- 系统提示词
- 对话历史
- 记忆
- 工具定义
- 用户消息
- 代理响应
Tutorial.step
上下文压缩
当上下文窗口接近其限制时，OpenClaw 会运行压缩来为新消息腾出空间，而不会丢失重要的上下文。
工作原理
- 摘要： 对话的较旧部分被总结为几段密集的段落。
- 修剪： 最不相关的记忆或冗余日志被删除。
- 保留： 最近的消息、系统指令和重要记忆始终保持完整。
自动且无缝
压缩在后台自动发生。您通常不会注意到它，只是代理会"记住"要点而不是旧消息的准确措辞。
Tutorial.step
会话类型
每个会话维护自己独立的上下文线程：
- 直接消息
与所有者所有私信共享的上下文。
- 群聊
单个群聊的隔离上下文。这里的消息不会泄露到其他群组或私信。
- 子代理会话
用于特定子任务或专门代理的独立临时会话。
Tutorial.step
上下文最佳实践
✓
清晰的消息：使用具体语言，以便代理可以检索最相关的记忆。
✓
构建记忆：工作区中的高质量记忆提供更好的支持上下文。
✓
专注的对话：保持在一个主题或话题中，使上下文管理和压缩更高效。
✓
信任压缩：让自动系统处理清理；它针对高保留进行了优化。