Langsung ke konten utama

​
Penggunaan token & biaya

OpenClaw melacak token, bukan karakter. Token bersifat spesifik per model, tetapi sebagian besar model bergaya OpenAI rata-rata menggunakan ~4 karakter per token untuk teks bahasa Inggris.

​
Cara system prompt dibangun

OpenClaw menyusun system prompt-nya sendiri pada setiap proses berjalan. Isinya mencakup:
  • Daftar tool + deskripsi singkat
  • Daftar Skills (hanya metadata; instruksi dimuat sesuai permintaan dengan read). Blok Skills yang ringkas dibatasi oleh skills.limits.maxSkillsPromptChars, dengan override opsional per agen di agents.list[].skillsLimits.maxSkillsPromptChars.
  • Instruksi pembaruan mandiri
  • Workspace + file bootstrap (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md saat baru, serta MEMORY.md jika ada atau memory.md sebagai fallback huruf kecil). File besar dipotong oleh agents.defaults.bootstrapMaxChars (default: 12000), dan total injeksi bootstrap dibatasi oleh agents.defaults.bootstrapTotalMaxChars (default: 60000). File harian memory/*.md bukan bagian dari prompt bootstrap normal; file tersebut tetap sesuai permintaan melalui tool memori pada giliran biasa, tetapi /new dan /reset tanpa argumen dapat menambahkan blok konteks startup sekali pakai dengan memori harian terbaru untuk giliran pertama tersebut. Awalan startup itu dikendalikan oleh agents.defaults.startupContext.
  • Waktu (UTC + zona waktu pengguna)
  • Tag balasan + perilaku Heartbeat
  • Metadata runtime (host/OS/model/thinking)
Lihat rincian lengkapnya di System Prompt.

​
Apa saja yang dihitung dalam jendela konteks

Semua yang diterima model dihitung terhadap batas konteks:
  • System prompt (semua bagian yang tercantum di atas)
  • Riwayat percakapan (pesan pengguna + asisten)
  • Pemanggilan tool dan hasil tool
  • Lampiran/transkrip (gambar, audio, file)
  • Ringkasan Compaction dan artefak pemangkasan
  • Wrapper provider atau header keamanan (tidak terlihat, tetapi tetap dihitung)
Beberapa permukaan runtime yang berat memiliki batas eksplisitnya sendiri:
  • agents.defaults.contextLimits.memoryGetMaxChars
  • agents.defaults.contextLimits.memoryGetDefaultLines
  • agents.defaults.contextLimits.toolResultMaxChars
  • agents.defaults.contextLimits.postCompactionMaxChars
Override per agen berada di bawah agents.list[].contextLimits. Pengaturan ini ditujukan untuk cuplikan runtime yang dibatasi dan blok milik runtime yang disisipkan. Pengaturan ini terpisah dari batas bootstrap, batas konteks startup, dan batas prompt Skills. Untuk gambar, OpenClaw mengecilkan payload gambar transkrip/tool sebelum pemanggilan provider. Gunakan agents.defaults.imageMaxDimensionPx (default: 1200) untuk menyesuaikannya:
  • Nilai yang lebih rendah biasanya mengurangi penggunaan vision-token dan ukuran payload.
  • Nilai yang lebih tinggi mempertahankan lebih banyak detail visual untuk tangkapan layar OCR/UI yang berat.
Untuk rincian praktis (per file yang disisipkan, tool, Skills, dan ukuran system prompt), gunakan /context list atau /context detail. Lihat Context.

​
Cara melihat penggunaan token saat ini

Gunakan ini di chat:
  • /status → kartu status kaya emoji dengan model sesi, penggunaan konteks, token input/output respons terakhir, dan perkiraan biaya (hanya API key).
  • /usage off|tokens|full → menambahkan footer penggunaan per respons ke setiap balasan.
    • Tersimpan per sesi (disimpan sebagai responseUsage).
    • Autentikasi OAuth menyembunyikan biaya (hanya token).
  • /usage cost → menampilkan ringkasan biaya lokal dari log sesi OpenClaw.
Permukaan lain:
  • TUI/Web TUI: /status + /usage didukung.
  • CLI: openclaw status --usage dan openclaw channels list menampilkan jendela kuota provider yang dinormalisasi (X% tersisa, bukan biaya per respons). Provider jendela penggunaan saat ini: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi, dan z.ai.
Permukaan penggunaan menormalkan alias field native provider yang umum sebelum ditampilkan. Untuk lalu lintas Responses keluarga OpenAI, ini mencakup input_tokens / output_tokens maupun prompt_tokens / completion_tokens, sehingga nama field yang spesifik transport tidak mengubah /status, /usage, atau ringkasan sesi. Penggunaan JSON Gemini CLI juga dinormalisasi: teks balasan berasal dari response, dan stats.cached dipetakan ke cacheRead dengan stats.input_tokens - stats.cached digunakan saat CLI tidak menyertakan field stats.input yang eksplisit. Untuk lalu lintas Responses native keluarga OpenAI, alias penggunaan WebSocket/SSE dinormalisasi dengan cara yang sama, dan total akan fallback ke input + output yang telah dinormalisasi saat total_tokens tidak ada atau bernilai 0. Saat snapshot sesi saat ini minim data, /status dan session_status juga dapat memulihkan penghitung token/cache dan label model runtime aktif dari log penggunaan transkrip terbaru. Nilai live yang tidak nol tetap lebih diutamakan daripada nilai fallback transkrip, dan total transkrip yang lebih besar dan berorientasi prompt dapat diprioritaskan saat total tersimpan tidak ada atau lebih kecil. Autentikasi penggunaan untuk jendela kuota provider berasal dari hook khusus provider bila tersedia; jika tidak, OpenClaw akan fallback ke pencocokan kredensial OAuth/API key dari profil auth, env, atau config.

​
Perkiraan biaya (saat ditampilkan)

Biaya diperkirakan dari konfigurasi harga model Anda: 
models.providers.<provider>.models[].cost
Nilai ini adalah USD per 1 juta token untuk input, output, cacheRead, dan cacheWrite. Jika harga tidak ada, OpenClaw hanya menampilkan token. Token OAuth tidak pernah menampilkan biaya dalam dolar.

​
Dampak TTL cache dan pemangkasan

Caching prompt provider hanya berlaku dalam jendela TTL cache. OpenClaw secara opsional dapat menjalankan cache-ttl pruning: sesi dipangkas setelah TTL cache kedaluwarsa, lalu jendela cache direset agar permintaan berikutnya dapat menggunakan kembali konteks yang baru di-cache alih-alih melakukan cache ulang seluruh riwayat. Ini menjaga biaya penulisan cache tetap lebih rendah saat sesi diam melewati TTL. Konfigurasikan di Konfigurasi Gateway dan lihat rincian perilakunya di Session pruning. Heartbeat dapat menjaga cache tetap hangat selama jeda idle. Jika TTL cache model Anda adalah 1h, menetapkan interval Heartbeat sedikit di bawah itu (misalnya, 55m) dapat menghindari cache ulang seluruh prompt, sehingga mengurangi biaya penulisan cache. Dalam pengaturan multi-agent, Anda dapat mempertahankan satu konfigurasi model bersama dan menyesuaikan perilaku cache per agen dengan agents.list[].params.cacheRetention. Untuk panduan lengkap per pengaturan, lihat Prompt Caching. Untuk harga API Anthropic, pembacaan cache jauh lebih murah daripada token input, sedangkan penulisan cache ditagih dengan pengali yang lebih tinggi. Lihat harga prompt caching Anthropic untuk tarif dan pengali TTL terbaru: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

​
Contoh: menjaga cache 1h tetap hangat dengan Heartbeat

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

​
Contoh: lalu lintas campuran dengan strategi cache per agen

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long" # baseline default untuk sebagian besar agen
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # menjaga cache panjang tetap hangat untuk sesi mendalam
    - id: "alerts"
      params:
        cacheRetention: "none" # hindari penulisan cache untuk notifikasi yang sporadis
agents.list[].params digabungkan di atas params model yang dipilih, sehingga Anda dapat mengoverride hanya cacheRetention dan tetap mewarisi default model lainnya tanpa perubahan.

​
Contoh: mengaktifkan header beta konteks Anthropic 1M

Jendela konteks 1M Anthropic saat ini masih dibatasi beta. OpenClaw dapat menyisipkan nilai anthropic-beta yang diperlukan saat Anda mengaktifkan context1m pada model Opus atau Sonnet yang didukung. 
agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true
Ini dipetakan ke header beta Anthropic context-1m-2025-08-07. Ini hanya berlaku saat context1m: true ditetapkan pada entri model tersebut. Persyaratan: kredensial harus memenuhi syarat untuk penggunaan konteks panjang. Jika tidak, Anthropic akan merespons dengan galat batas laju dari sisi provider untuk permintaan tersebut. Jika Anda mengautentikasi Anthropic dengan token OAuth/subscription (sk-ant-oat-*), OpenClaw melewati header beta context-1m-* karena Anthropic saat ini menolak kombinasi tersebut dengan HTTP 401.

​
Tips untuk mengurangi tekanan token

  • Gunakan /compact untuk merangkum sesi yang panjang.
  • Pangkas output tool yang besar dalam alur kerja Anda.
  • Turunkan agents.defaults.imageMaxDimensionPx untuk sesi yang banyak menggunakan tangkapan layar.
  • Jaga deskripsi Skills tetap singkat (daftar Skills disisipkan ke dalam prompt).
  • Pilih model yang lebih kecil untuk pekerjaan yang verbose dan eksploratif.
Lihat Skills untuk rumus overhead daftar skill yang tepat.