技术参考

令牌使用与成本

OpenClaw 跟踪的是令牌，而非字符。令牌是模型特定的，但对于英文文本，大多数 OpenAI 风格的模型平均每个令牌约 4 个字符。

系统提示词是如何构建的

OpenClaw 在每次运行时都会组装自己的系统提示词，包括：

工具列表 + 简短描述
技能列表（仅元数据；指令通过 read 按需加载）
自我更新指令
工作区 + 引导文件（新建时的 AGENTS.md、SOUL.md、TOOLS.md、IDENTITY.md、USER.md、HEARTBEAT.md、BOOTSTRAP.md，以及存在时的 MEMORY.md 和/或 memory.md）。大文件会被 agents.defaults.bootstrapMaxChars（默认值：20000）截断，引导注入总量受 agents.defaults.bootstrapTotalMaxChars（默认值：150000）限制。memory/*.md 文件通过记忆工具按需加载，不会自动注入。
时间（UTC + 用户时区）
回复标签 + 心跳行为
运行时元数据（主机/操作系统/模型/思考模式）

完整分解请参阅系统提示词。

上下文窗口中计入哪些内容

模型接收的所有内容都计入上下文限制：

系统提示词（上述所有部分）
对话历史（用户 + 助手消息）
工具调用和工具结果
附件/转录内容（图像、音频、文件）
压缩摘要和修剪产物
供应商包装器或安全头（不可见，但仍计入）

对于图像，OpenClaw 在调用供应商之前会先对转录/工具图像载荷进行降采样。使用 agents.defaults.imageMaxDimensionPx（默认值：1200）调整：

较低的值通常会减少视觉令牌使用量和载荷大小。
较高的值会为 OCR/UI 密集的截图保留更多视觉细节。

要获取实际分解（按注入文件、工具、技能和系统提示词大小），请使用 /context list 或 /context detail。请参阅上下文。

如何查看当前令牌使用情况

在聊天中使用以下命令：

/status → 显示表情符号丰富的状态卡片，包含会话模型、上下文使用情况、上次响应的输入/输出令牌以及估算成本（仅限 API 密钥认证）。
/usage off|tokens|full → 为每条回复附加每次响应的使用情况页脚。
- 每个会话持久保存（存储为 responseUsage）。
- OAuth 认证隐藏成本（仅显示令牌）。
/usage cost → 显示来自 OpenClaw 会话日志的本地成本摘要。

其他界面：

TUI/Web TUI： 支持 /status + /usage。
CLI： openclaw status --usage 和 openclaw channels list 显示供应商配额窗口（非每次响应成本）。

成本估算（何时显示）

成本根据你的模型定价配置估算：

models.providers.<provider>.models[].cost

这些是 input、output、cacheRead 和 cacheWrite 的每 100 万令牌美元价格。如果缺少定价信息，OpenClaw 仅显示令牌。OAuth 令牌从不显示美元成本。

缓存 TTL 和修剪的影响

供应商提示词缓存仅在缓存 TTL 窗口内有效。OpenClaw 可选择运行缓存 TTL 修剪：一旦缓存 TTL 过期，它会修剪会话并重置缓存窗口，以便后续请求可以复用新缓存的上下文，而不是重新缓存完整历史。这可以在会话空闲超过 TTL 后保持较低的缓存写入成本。

在网关配置中配置此功能，在会话修剪中查看行为详情。

心跳可以让缓存在空闲间隔中保持预热状态。如果你的模型缓存 TTL 是 1h，将心跳间隔设置为略低于此值（如 55m）可以避免重新缓存完整提示词，从而降低缓存写入成本。

在多智能体设置中，你可以保留一个共享的模型配置，并通过 agents.list[].params.cacheRetention 为每个智能体调整缓存行为。

完整的逐项指南请参阅提示词缓存。

对于 Anthropic API 定价，缓存读取比输入令牌便宜得多，而缓存写入则按更高的倍数计费。有关最新费率和 TTL 倍数，请参阅 Anthropic 的提示词缓存定价：https://docs.anthropic.com/docs/build-with-claude/prompt-caching

示例：通过心跳保持 1 小时缓存预热

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long"
    heartbeat:
      every: "55m"

示例：混合流量下的按智能体缓存策略

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long" # 大多数智能体的默认基线
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # 为深度会话保持长缓存预热
    - id: "alerts"
      params:
        cacheRetention: "none" # 避免为突发性通知写入缓存

agents.list[].params 会合并到所选模型的 params 之上，因此你可以仅覆盖 cacheRetention 并继承其他模型默认值。

示例：启用 Anthropic 100 万上下文 Beta 头

Anthropic 的 100 万上下文窗口目前处于 Beta 测试阶段。当你在支持的 Opus 或 Sonnet 模型上启用 context1m 时，OpenClaw 可以注入所需的 anthropic-beta 值。

agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true

这映射到 Anthropic 的 context-1m-2025-08-07 beta 头。仅在为该模型条目设置 context1m: true 时适用。

要求：凭证必须符合长上下文使用资格（API 密钥计费，或启用了额外使用量的订阅）。否则，Anthropic 会响应 HTTP 429: rate_limit_error: Extra usage is required for long context requests。

如果你使用 OAuth/订阅令牌（sk-ant-oat-*）进行 Anthropic 认证，OpenClaw 会跳过 context-1m-* beta 头，因为 Anthropic 目前会以 HTTP 401 拒绝该组合。

减少令牌压力的技巧

使用 /compact 来总结长会话。
在工作流中修剪大型工具输出。
对于截图密集的会话，降低 agents.defaults.imageMaxDimensionPx。
保持技能描述简短（技能列表会注入到提示词中）。
对于冗长的探索性工作，优先使用较小的模型。

确切的技能列表开销公式请参阅技能。

向导参考 SecretRef 凭证界面