--- read_when: - Tokennutzung, Kosten oder Kontextfenster erklären - Debuggen von Kontextwachstum oder Compaction-Verhalten summary: Wie OpenClaw Prompt-Kontext erstellt und Token-Nutzung + Kosten meldet title: Token-Nutzung und Kosten x-i18n: generated_at: "2026-07-01T18:10:48Z" model: gpt-5.5 postprocess_version: locale-links-v1 provider: openai source_hash: 99e3de70aeb447bb58ae414c2c5908945e8173b9b8f2bf7e4c2eb9781657c44c source_path: reference/token-use.md workflow: 16 --- OpenClaw verfolgt **Token**, nicht Zeichen. Token sind modellspezifisch, aber die meisten OpenAI-artigen Modelle liegen bei englischem Text durchschnittlich bei etwa 4 Zeichen pro Token. ## Wie der System-Prompt erstellt wird OpenClaw setzt bei jedem Lauf seinen eigenen System-Prompt zusammen. Er enthält: - Tool-Liste + kurze Beschreibungen - Skills-Liste (nur Metadaten; Anweisungen werden bei Bedarf mit `read` geladen). Native Codex-Turns erhalten den kompakten Skills-Block als turnbezogene Entwickleranweisungen zur Zusammenarbeit; andere Harnesses erhalten ihn in der normalen Prompt-Oberfläche. Er wird durch `skills.limits.maxSkillsPromptChars` begrenzt, mit optionaler Überschreibung pro Agent unter `agents.list[].skillsLimits.maxSkillsPromptChars`. - Anweisungen zur Selbstaktualisierung - Workspace- + Bootstrap-Dateien (`AGENTS.md`, `SOUL.md`, `TOOLS.md`, `IDENTITY.md`, `USER.md`, `HEARTBEAT.md`, `BOOTSTRAP.md`, wenn neu, plus `MEMORY.md`, wenn vorhanden). Native Codex-Turns fügen kein rohes `MEMORY.md` aus dem konfigurierten Agent-Workspace ein, wenn Memory-Tools für diesen Workspace verfügbar sind; sie enthalten einen kleinen Memory-Verweis in turnbezogenen Entwickleranweisungen zur Zusammenarbeit und verwenden Memory-Tools bei Bedarf. Wenn Tools deaktiviert sind, die Memory-Suche nicht verfügbar ist oder sich der aktive Workspace vom Agent-Memory-Workspace unterscheidet, verwendet `MEMORY.md` den normalen begrenzten Turn-Kontext-Pfad. Kleingeschriebenes Root-`memory.md` wird nicht injiziert; es ist Legacy-Reparatureingabe für `openclaw doctor --fix`, wenn es zusammen mit `MEMORY.md` vorliegt. Große injizierte Dateien werden durch `agents.defaults.bootstrapMaxChars` gekürzt (Standard: 20000), und die gesamte Bootstrap-Injektion wird durch `agents.defaults.bootstrapTotalMaxChars` begrenzt (Standard: 60000). Tägliche Dateien unter `memory/*.md` sind nicht Teil des normalen Bootstrap-Prompts; sie bleiben in gewöhnlichen Turns bei Bedarf über Memory-Tools verfügbar, aber Reset-/Startup-Modellläufe können für diesen ersten Turn einen einmaligen Startup-Kontext-Block mit aktuellem täglichem Memory voranstellen. Reine Chat-Befehle `/new` und `/reset` werden bestätigt, ohne das Modell aufzurufen. Das Startup-Präludium wird durch `agents.defaults.startupContext` gesteuert. AGENTS.md-Auszüge nach Compaction sind separat und erfordern ein explizites Opt-in über `agents.defaults.compaction.postCompactionSections`. - Zeit (UTC + Zeitzone des Benutzers) - Antwort-Tags + Heartbeat-Verhalten - Laufzeitmetadaten (Host/OS/Modell/Thinking) Die vollständige Aufschlüsselung finden Sie unter [System-Prompt](/de/concepts/system-prompt). Wenn Sie Zugangsdaten oder Auth-Snippets dokumentieren, verwenden Sie die [Konventionen für Secret-Platzhalter](/de/reference/secret-placeholder-conventions), um False Positives von Secret-Scannern bei reinen Dokumentationsänderungen zu vermeiden. ## Was zum Kontextfenster zählt Alles, was das Modell erhält, zählt zum Kontextlimit: - System-Prompt (alle oben aufgeführten Abschnitte) - Gesprächsverlauf (Benutzer- + Assistentennachrichten) - Tool-Aufrufe und Tool-Ergebnisse - Anhänge/Transkripte (Bilder, Audio, Dateien) - Compaction-Zusammenfassungen und Pruning-Artefakte - Provider-Wrapper oder Sicherheits-Header (nicht sichtbar, werden aber trotzdem gezählt) Einige laufzeitintensive Oberflächen haben eigene explizite Begrenzungen: - `agents.defaults.contextLimits.memoryGetMaxChars` - `agents.defaults.contextLimits.memoryGetDefaultLines` - `agents.defaults.contextLimits.toolResultMaxChars` - `agents.defaults.contextLimits.postCompactionMaxChars` Überschreibungen pro Agent liegen unter `agents.list[].contextLimits`. Diese Regler sind für begrenzte Laufzeitauszüge und injizierte laufzeiteigene Blöcke gedacht. Sie sind getrennt von Bootstrap-Limits, Startup-Kontext-Limits und Skills-Prompt-Limits. `toolResultMaxChars` ist eine erweiterte Obergrenze (bis zu `1000000` Zeichen). Wenn sie nicht gesetzt ist, wählt OpenClaw die Live-Begrenzung für Tool-Ergebnisse aus dem effektiven Modellkontextfenster: `16000` Zeichen unter 100K Token, `32000` Zeichen ab 100K Token und `64000` Zeichen ab 200K Token, weiterhin begrenzt durch den Laufzeit-Kontextanteils-Schutz. Für Bilder skaliert OpenClaw Transkript-/Tool-Bild-Payloads vor Provider-Aufrufen herunter. Verwenden Sie `agents.defaults.imageMaxDimensionPx` (Standard: `1200`), um dies anzupassen: - Niedrigere Werte reduzieren in der Regel die Nutzung von Vision-Token und die Payload-Größe. - Höhere Werte bewahren mehr visuelle Details für OCR-/UI-lastige Screenshots. Für eine praktische Aufschlüsselung (pro injizierter Datei, Tools, Skills und System-Prompt-Größe) verwenden Sie `/context list` oder `/context detail`. Siehe [Kontext](/de/concepts/context). ## So sehen Sie die aktuelle Token-Nutzung Verwenden Sie diese Befehle im Chat: - `/status` → **statuskarte mit vielen Emojis** mit dem Sitzungsmodell, der Kontextnutzung, den Eingabe-/Ausgabe-Token der letzten Antwort und **geschätzten Kosten**, wenn lokale Preise für das aktive Modell konfiguriert sind. - `/usage off|tokens|full` → hängt an jede Antwort eine **Nutzungsfußzeile pro Antwort** an. - Bleibt pro Sitzung erhalten (gespeichert als `responseUsage`). - `/usage reset` (Aliase: `inherit`, `clear`, `default`) — löscht die Sitzungsüberschreibung, sodass die Sitzung den konfigurierten Standard wieder erbt. - `/usage tokens` zeigt Turn-Token-/Cache-Details. - `/usage full` zeigt kompakte Modell-/Kontext-/Kostendetails; geschätzte Kosten erscheinen nur, wenn OpenClaw Nutzungsmetadaten und lokale Preise für das aktive Modell hat. Benutzerdefinierte `messages.usageTemplate`-Layouts können Token-/Cache-Felder enthalten. - `/usage cost` → zeigt eine lokale Kostenzusammenfassung aus OpenClaw-Sitzungslogs. Andere Oberflächen: - **TUI/Web-TUI:** `/status` + `/usage` werden unterstützt. - **CLI:** `openclaw status --usage` und `openclaw channels list` zeigen normalisierte Provider-Kontingentfenster (`X% left`, keine Kosten pro Antwort). Aktuelle Provider mit Nutzungsfenstern: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi und z.ai. Nutzungsoberflächen normalisieren vor der Anzeige gängige Provider-native Feldaliase. Für Responses-Traffic der OpenAI-Familie umfasst das sowohl `input_tokens` / `output_tokens` als auch `prompt_tokens` / `completion_tokens`, sodass transportspezifische Feldnamen `/status`, `/usage` oder Sitzungszusammenfassungen nicht verändern. Die Nutzung von Gemini CLI wird ebenfalls normalisiert: Der standardmäßige `stream-json`-Parser liest Assistenten-`message`-Events, und `stats.cached` wird auf `cacheRead` abgebildet, wobei `stats.input_tokens - stats.cached` verwendet wird, wenn die CLI kein explizites `stats.input`-Feld ausgibt. Legacy-JSON-Überschreibungen lesen Antworttext weiterhin aus `response`. Für nativen Responses-Traffic der OpenAI-Familie werden WebSocket-/SSE-Nutzungsaliase auf dieselbe Weise normalisiert, und Summen fallen auf normalisierte Eingabe + Ausgabe zurück, wenn `total_tokens` fehlt oder `0` ist. Wenn der aktuelle Sitzungssnapshot lückenhaft ist, können `/status` und `session_status` auch Token-/Cache-Zähler und die aktive Laufzeit-Modellbezeichnung aus dem neuesten Transkript-Nutzungslog wiederherstellen. Vorhandene von null verschiedene Live-Werte haben weiterhin Vorrang vor Transkript-Fallback-Werten, und größere promptorientierte Transkript-Gesamtsummen können gewinnen, wenn gespeicherte Summen fehlen oder kleiner sind. Die Nutzungs-Authentifizierung für Provider-Kontingentfenster stammt aus providerspezifischen Hooks, wenn verfügbar; andernfalls greift OpenClaw auf passende OAuth-/API-Key-Zugangsdaten aus Auth-Profilen, Umgebung oder Konfiguration zurück. Assistenten-Transkripteinträge speichern dieselbe normalisierte Nutzungsform, einschließlich `usage.cost`, wenn für das aktive Modell Preise konfiguriert sind und der Provider Nutzungsmetadaten zurückgibt. Dadurch erhalten `/usage cost` und transkriptgestützter Sitzungsstatus eine stabile Quelle, selbst nachdem der Live-Laufzeitzustand nicht mehr vorhanden ist. OpenClaw hält die Provider-Nutzungsabrechnung vom aktuellen Kontextsnapshot getrennt. Provider-`usage.total` kann gecachte Eingabe, Ausgabe und mehrere Tool-Loop-Modellaufrufe enthalten, ist also für Kosten und Telemetrie nützlich, kann aber das Live-Kontextfenster überzeichnen. Kontextanzeigen und Diagnosen verwenden den neuesten Prompt-Snapshot (`promptTokens` oder den letzten Modellaufruf, wenn kein Prompt-Snapshot verfügbar ist) für `context.used`. ## Kostenschätzung (wenn angezeigt) Kosten werden anhand Ihrer Modellpreiskonfiguration geschätzt: ``` models.providers..models[].cost ``` Dies sind **USD pro 1M Token** für `input`, `output`, `cacheRead` und `cacheWrite`. Wenn Preise fehlen, lässt `/usage full` die Kosten aus; verwenden Sie `/usage tokens` oder ein benutzerdefiniertes `messages.usageTemplate`, wenn Sie Token-/Cache-Details in jeder Antwort benötigen. Die Kostenanzeige ist nicht auf API-Key-Authentifizierung beschränkt: Provider ohne API-Key wie `aws-sdk` können geschätzte Kosten anzeigen, wenn ihr konfigurierter Modelleintrag lokale Preise enthält und der Provider Nutzungsmetadaten zurückgibt. Nachdem Sidecars und Kanäle den Gateway-Bereit-Pfad erreicht haben, startet OpenClaw einen optionalen Hintergrund-Preis-Bootstrap für konfigurierte Modellreferenzen, die noch keine lokalen Preise haben. Dieser Bootstrap ruft entfernte OpenRouter- und LiteLLM- Preiskataloge ab. Setzen Sie `models.pricing.enabled: false`, um diese Katalogabrufe in Offline- oder eingeschränkten Netzwerken zu überspringen; explizite `models.providers.*.models[].cost`-Einträge steuern weiterhin lokale Kostenschätzungen. ## Cache-TTL und Auswirkungen von Pruning Provider-Prompt-Caching gilt nur innerhalb des Cache-TTL-Fensters. OpenClaw kann optional **Cache-TTL-Pruning** ausführen: Es kürzt die Sitzung, sobald die Cache-TTL abgelaufen ist, und setzt dann das Cache-Fenster zurück, damit nachfolgende Anfragen den frisch gecachten Kontext wiederverwenden können, statt den vollständigen Verlauf erneut zu cachen. Dadurch bleiben Cache- Schreibkosten niedriger, wenn eine Sitzung länger als die TTL inaktiv bleibt. Konfigurieren Sie dies in der [Gateway-Konfiguration](/de/gateway/configuration) und lesen Sie die Verhaltensdetails unter [Sitzungs-Pruning](/de/concepts/session-pruning). Heartbeat kann den Cache über Leerlaufphasen hinweg **warm** halten. Wenn die Cache-TTL Ihres Modells `1h` beträgt, kann ein Heartbeat-Intervall knapp darunter (z. B. `55m`) vermeiden, dass der vollständige Prompt erneut gecacht wird, wodurch Cache-Schreibkosten sinken. In Multi-Agent-Setups können Sie eine gemeinsame Modellkonfiguration beibehalten und das Cache-Verhalten pro Agent mit `agents.list[].params.cacheRetention` anpassen. Eine vollständige Regler-für-Regler-Anleitung finden Sie unter [Prompt-Caching](/de/reference/prompt-caching). Für Anthropic-API-Preise sind Cache-Lesevorgänge deutlich günstiger als Eingabe- Token, während Cache-Schreibvorgänge mit einem höheren Multiplikator abgerechnet werden. Die neuesten Preise und TTL-Multiplikatoren finden Sie in Anthropics Prompt-Caching-Preisen: [https://docs.anthropic.com/docs/build-with-claude/prompt-caching](https://docs.anthropic.com/docs/build-with-claude/prompt-caching) ### Beispiel: 1h-Cache mit Heartbeat warm halten ```yaml agents: defaults: model: primary: "anthropic/claude-opus-4-6" models: "anthropic/claude-opus-4-6": params: cacheRetention: "long" heartbeat: every: "55m" ``` ### Beispiel: gemischter Traffic mit Cache-Strategie pro Agent ```yaml agents: defaults: model: primary: "anthropic/claude-opus-4-6" models: "anthropic/claude-opus-4-6": params: cacheRetention: "long" # default baseline for most agents list: - id: "research" default: true heartbeat: every: "55m" # keep long cache warm for deep sessions - id: "alerts" params: cacheRetention: "none" # avoid cache writes for bursty notifications ``` `agents.list[].params` wird über den `params` des ausgewählten Modells zusammengeführt, sodass Sie nur `cacheRetention` überschreiben und andere Modellstandards unverändert erben können. ### Anthropic-1M-Kontext OpenClaw dimensioniert GA-fähige Claude-4.x-Modelle wie Opus 4.8, Opus 4.7, Opus 4.6 und Sonnet 4.6 mit Anthropics 1M-Kontextfenster. Sie benötigen für diese Modelle kein `params.context1m: true`. ```yaml agents: defaults: models: "anthropic/claude-opus-4-6": alias: opus ``` Ältere Konfigurationen können `context1m: true` beibehalten, aber OpenClaw sendet für diese Einstellung nicht mehr Anthropics eingestellten `context-1m-2025-08-07`-Beta-Header und erweitert nicht unterstützte ältere Claude-Modelle nicht auf 1M. Anforderung: Die Zugangsdaten müssen für Long-Context-Nutzung berechtigt sein. Andernfalls antwortet Anthropic für diese Anfrage mit einem providerseitigen Rate-Limit-Fehler. Wenn Sie Anthropic mit OAuth-/Abonnement-Token (`sk-ant-oat-*`) authentifizieren, bewahrt OpenClaw die für OAuth erforderlichen Anthropic-Beta-Header, während der eingestellte `context-1m-*`-Beta-Header entfernt wird, falls er in älterer Konfiguration verbleibt. ## Tipps zur Reduzierung des Token-Drucks - Verwenden Sie `/compact`, um lange Sitzungen zusammenzufassen. - Kürzen Sie große Tool-Ausgaben in Ihren Workflows. - Senken Sie `agents.defaults.imageMaxDimensionPx` für screenshotlastige Sitzungen. - Halten Sie Beschreibungen von Skills kurz (die Skill-Liste wird in den Prompt eingefügt). - Bevorzugen Sie kleinere Modelle für ausführliche, explorative Arbeit. Die genaue Formel für den Overhead der Skill-Liste finden Sie unter [Skills](/de/tools/skills). ## Verwandt - [API-Nutzung und Kosten](/de/reference/api-usage-costs) - [Prompt-Caching](/de/reference/prompt-caching) - [Nutzungsverfolgung](/de/concepts/usage-tracking)