Compaction 压缩

Compaction 是 OpenClaw 对话历史的压缩机制，用于管理长期运行的会话。

为什么需要压缩

随着对话的进行，上下文会不断增长，可能导致：

• 上下文超出 LLM 限制
• 响应速度下降
• 成本增加

压缩策略

1. 摘要压缩

将旧消息压缩为摘要：

compaction:
  strategy: "summarize"
  trigger:
    messages: 100          # 每100条消息压缩
    tokens: 8000           # 或每8000 tokens
  summary_model: "gpt-4"   # 用于摘要的模型

2. 选择性保留

保留重要消息，删除低信息量消息：

compaction:
  strategy: "selective"
  keep:
    - type: "tool_call"
    - type: "tool_result"
    - type: "user_decision"
  remove:
    - type: "greeting"
    - type: "acknowledgment"

3. 分层压缩

按时间分层压缩：

compaction:
  strategy: "hierarchical"
  layers:
    - name: "recent"
      depth: 50            # 保留最近50条完整消息
    - name: "middle"
      depth: 200           # 早期消息压缩为摘要
    - name: "old"
      depth: 1000          # 更早的消息进一步压缩

手动触发

openclaw compact --session-id=<session>

相关概念

• 会话 (Session) - 会话管理
• 记忆 (Memory) - 长期记忆存储