“Konteks” adalah semua yang OpenClaw kirim ke model untuk sebuah proses. Ini dibatasi oleh jendela konteks model (batas token). Model mental pemula:Documentation Index
Fetch the complete documentation index at: https://docs.openclaw.ai/llms.txt
Use this file to discover all available pages before exploring further.
- Prompt sistem (dibangun oleh OpenClaw): aturan, alat, daftar Skills, waktu/runtime, dan file ruang kerja yang disisipkan.
- Riwayat percakapan: pesan Anda + pesan asisten untuk sesi ini.
- Pemanggilan/hasil alat + lampiran: keluaran perintah, pembacaan file, gambar/audio, dll.
Mulai cepat (periksa konteks)
/status→ tampilan cepat “seberapa penuh jendela saya?” + pengaturan sesi./context list→ apa yang disisipkan + ukuran kasar (per file + total)./context detail→ rincian lebih dalam: ukuran per file, per skema alat, per entri skill, dan ukuran prompt sistem./context map→ gambar treemap bergaya WinDirStat dari kontributor konteks terlacak sesi saat ini./usage tokens→ tambahkan footer penggunaan per balasan ke balasan normal./compact→ ringkas riwayat lama menjadi entri ringkas untuk membebaskan ruang jendela.
Contoh keluaran
Nilai bervariasi menurut model, penyedia, kebijakan alat, dan isi ruang kerja Anda./context list
/context detail
/context map
Mengirim gambar yang dibuat dari laporan proses cache terbaru. Sebelum pesan normal menghasilkan laporan proses dalam sesi, /context map mengembalikan pesan tidak tersedia alih-alih merender perkiraan. Luas persegi panjang sebanding dengan karakter prompt yang dilacak:
- file ruang kerja yang disisipkan
- teks prompt sistem dasar
- entri prompt skill
- skema JSON alat
/context list, /context detail, dan /context json tetap dapat memeriksa perkiraan sesuai permintaan saat tidak ada laporan proses yang di-cache.
Apa yang dihitung dalam jendela konteks
Semua yang diterima model dihitung, termasuk:- Prompt sistem (semua bagian).
- Riwayat percakapan.
- Pemanggilan alat + hasil alat.
- Lampiran/transkrip (gambar/audio/file).
- Ringkasan Compaction dan artefak pemangkasan.
- “Wrapper” penyedia atau header tersembunyi (tidak terlihat, tetap dihitung).
Cara OpenClaw membangun prompt sistem
Prompt sistem dimiliki OpenClaw dan dibangun ulang setiap proses. Ini mencakup:- Daftar alat + deskripsi singkat.
- Daftar Skills (hanya metadata; lihat di bawah).
- Lokasi ruang kerja.
- Waktu (UTC + waktu pengguna yang dikonversi jika dikonfigurasi).
- Metadata runtime (host/OS/model/thinking).
- File bootstrap ruang kerja yang disisipkan di bawah Konteks Proyek.
File ruang kerja yang disisipkan (Konteks Proyek)
Secara default, OpenClaw menyisipkan sekumpulan file ruang kerja tetap (jika ada):AGENTS.mdSOUL.mdTOOLS.mdIDENTITY.mdUSER.mdHEARTBEAT.mdBOOTSTRAP.md(hanya proses pertama)
agents.defaults.bootstrapMaxChars (default 12000 karakter). OpenClaw juga menerapkan batas total penyisipan bootstrap di seluruh file dengan agents.defaults.bootstrapTotalMaxChars (default 60000 karakter). /context menampilkan ukuran mentah vs disisipkan dan apakah pemotongan terjadi.
Saat pemotongan terjadi, runtime dapat menyisipkan blok peringatan dalam prompt di bawah Konteks Proyek. Konfigurasikan ini dengan agents.defaults.bootstrapPromptTruncationWarning (off, once, always; default once).
Skills: disisipkan vs dimuat sesuai permintaan
Prompt sistem menyertakan daftar Skills ringkas (nama + deskripsi + lokasi). Daftar ini memiliki overhead nyata. Instruksi skill tidak disertakan secara default. Model diharapkanread SKILL.md milik skill hanya saat diperlukan.
Alat: ada dua biaya
Alat memengaruhi konteks dalam dua cara:- Teks daftar alat dalam prompt sistem (yang Anda lihat sebagai “Tooling”).
- Skema alat (JSON). Ini dikirim ke model agar model dapat memanggil alat. Skema ini dihitung dalam konteks meskipun Anda tidak melihatnya sebagai teks biasa.
/context detail merinci skema alat terbesar sehingga Anda dapat melihat apa yang dominan.
Perintah, direktif, dan “pintasan inline”
Perintah slash ditangani oleh Gateway. Ada beberapa perilaku berbeda:- Perintah mandiri: pesan yang hanya berisi
/...dijalankan sebagai perintah. - Direktif:
/think,/verbose,/trace,/reasoning,/elevated,/model,/queuedihapus sebelum model melihat pesan.- Pesan yang hanya berisi direktif mempertahankan pengaturan sesi.
- Direktif inline dalam pesan normal bertindak sebagai petunjuk per pesan.
- Pintasan inline (hanya pengirim yang diizinkan): token
/...tertentu di dalam pesan normal dapat langsung berjalan (contoh: “hey /status”), dan dihapus sebelum model melihat teks yang tersisa.
Sesi, Compaction, dan pemangkasan (apa yang bertahan)
Apa yang bertahan di antara pesan bergantung pada mekanismenya:- Riwayat normal bertahan dalam transkrip sesi hingga dipadatkan/dipangkas oleh kebijakan.
- Compaction mempertahankan ringkasan ke dalam transkrip dan menjaga pesan terbaru tetap utuh.
- Pemangkasan menghapus hasil alat lama dari prompt dalam memori untuk membebaskan ruang jendela konteks, tetapi tidak menulis ulang transkrip sesi - riwayat lengkap tetap dapat diperiksa di disk.
legacy untuk perakitan dan
Compaction. Jika Anda menginstal plugin yang menyediakan kind: "context-engine" dan
memilihnya dengan plugins.slots.contextEngine, OpenClaw mendelegasikan
perakitan konteks, /compact, dan hook siklus hidup konteks subagen terkait ke
mesin tersebut. ownsCompaction: false tidak melakukan fallback otomatis ke mesin
legacy; mesin aktif tetap harus mengimplementasikan compact() dengan benar. Lihat
Mesin Konteks untuk antarmuka
yang dapat dipasang, hook siklus hidup, dan konfigurasi lengkap.
Apa yang sebenarnya dilaporkan /context
/context lebih memilih laporan prompt sistem yang dibangun oleh proses terbaru jika tersedia:
System prompt (run)= ditangkap dari proses tertanam terakhir (mampu alat) dan disimpan di penyimpanan sesi.System prompt (estimate)= dihitung langsung saat tidak ada laporan proses (atau saat berjalan melalui backend CLI yang tidak menghasilkan laporan).
Terkait
Mesin konteks
Injeksi konteks kustom melalui plugin.
Compaction
Meringkas percakapan panjang agar tetap berada di dalam jendela model.
Prompt sistem
Cara prompt sistem dibangun dan apa yang disisipkan setiap giliran.
Loop agen
Siklus eksekusi agen lengkap dari pesan masuk hingga balasan akhir.