OpenClaw对话一长就变笨？解决上下文窗口爆满
引言
你肯定遇到过这种情况：和 OpenClaw 聊了二三十轮之后，它开始重复之前说过的话，逻辑变得混乱，甚至直接报错context length exceeded。
这不是它“变笨”了，而是上下文窗口满了。每个大模型能记住的对话长度是有限的（比如 GPT-4o 是 128K tokens，Claude 是 200K，但很多本地模型只有 8K-32K）。一旦超过上限，要么截断，要么崩溃。
这篇文章教你：如何判断是否快爆了、怎么临时“瘦身”、以及如何长期避免再爆。
一、先诊断：你的会话到底用了多少 token？
在 TUI 里输入：
/context系统会显示类似这样的信息：
Current session: default Tokens used: 7800 / 8192 (95%) Messages in context: 42如果你看到超过 80%，就该警惕了。超过 95% 基本随时会崩。
如果/context命令不可用（老版本），也可以用/status查看当前会话的基本信息。
二、临时急救：两种方法让会话“瘦身”
方法1：手动压缩（推荐）
输入：
/compact这个命令会做三件事：
- 把当前对话历史发给模型
- 让模型生成一份摘要，保留关键信息（任务目标、已做的决策、待解决的问题）
- 用这份摘要替换掉原始对话，释放大量 token
通常压缩后 token 占用能降到 30%-50%。你可能会发现 AI 对某些细节记不清了，但核心逻辑还在，可以继续对话。
压缩的代价：模型生成摘要本身也会消耗 token（计入你的账单）。一次压缩大约花费几百到一两千 token，比买一个全新的会话划算。
方法2：新建会话 + 人工摘要
如果/compact效果不好（或者模型对摘要理解有偏差），可以手动重建会话：
/new然后在新会话的第一条消息里，用你自己的话概括之前的内容。例如：
“我们之前在分析一个 Python 脚本的内存泄漏问题。已经排查了循环引用、全局变量、缓存未释放。你建议用 tracemalloc 定位，我运行后发现了 3 个未关闭的文件句柄。现在需要你帮我分析这几行代码……”
这种方法的优点是完全可控，缺点是你要自己总结。
💡 小技巧：在旧会话里输入
/history 20，把最近 20 条对话复制出来，交给一个新模型（比如便宜的 gpt-3.5-turbo）让它帮你生成摘要，然后把摘要贴到新会话里。
三、长期方案：配置自动压缩阈值
手动压缩毕竟麻烦。你可以在openclaw.json里设置自动压缩，让系统在 token 达到某个比例时自动触发压缩。
找到配置文件（~/.openclaw/openclaw.json），在agents区块里加上contextLimit：
{"agents":{"default":{"model":"gpt-4o","contextLimit":{"threshold":0.8,"strategy":"summarize"}}}}参数说明：
threshold: 0.8→ 当 token 使用率达到 80% 时触发strategy: "summarize"→ 自动用摘要压缩- 也可以设为
strategy: "truncate"（直接丢弃最早的消息，不推荐，会丢失上下文）
设置后，每次发送新消息前，系统会检查 token 用量。如果超过阈值，自动执行压缩，你甚至感觉不到。
针对不同模型的建议阈值：
| 模型类型 | 建议 threshold | 原因 |
|---|---|---|
| 本地模型（8K-16K） | 0.6 | 小窗口更敏感，早点压缩 |
| GPT-4o / Claude（100K+） | 0.85 | 窗口大，可以宽松一些 |
| 便宜模型（32K） | 0.75 | 折中 |
四、预防：减少 token 消耗的习惯
除了爆了再救，日常使用时也可以注意：
- 避免重复粘贴大段文本：每次粘贴都会重新计入 token。如果需要反复参考同一份文档，可以把它写入工作区文件，让 AI 用
read_file技能按需读取，而不是每次都塞进对话。 - 定期
/new：完成一个子任务后，主动开新会话，只传递必要摘要。 - 精简 system prompt：检查你的
openclaw.json里systemPrompt是否写了一大堆用不上的规则。每多 100 个 token，就少 100 个对话空间。 - 关闭不必要的历史：有些插件会自动把上一轮的工具调用结果全部保留，可以配置
retainToolCalls: false来节省空间。
五、极端情况：模型窗口本身就很小（比如 4K）
如果你用的是本地小模型（如 phi-2、qwen-1.8b），上下文只有 4K 甚至 2K，稍微聊几句就爆。这时候：
- 升级模型：换一个至少 8K 的（如 qwen-7b、llama-3-8b）。
- 用外部记忆：下一篇文章会讲“Skill 老是失忆”的解决方案，其中 Self-Improving Agent 可以把长对话的关键信息写入外部文件，每次会话开始时加载。这相当于绕过了模型窗口限制。
六、检查清单：下次遇到“变笨”时
- 输入
/context看 token 占比。 - 如果 >80%，输入
/compact压缩。 - 压缩后还不行？
/new新会话 + 人工摘要。 - 长期解决：配置
contextLimit自动压缩。 - 还是频繁爆？考虑换更大窗口的模型或使用外部记忆。
掌握这些方法，你的 OpenClaw 就不会再“聊着聊着变傻了”。下一篇我们解决另一个高频痛点：Skill 老是失忆，刚教的过两天又犯。