Przejdź do głównej treści

​
Użycie tokenów i koszty

OpenClaw śledzi tokeny, a nie znaki. Tokeny są zależne od modelu, ale większość modeli w stylu OpenAI ma średnio około 4 znaki na token dla tekstu angielskiego.

​
Jak budowany jest prompt systemowy

OpenClaw składa własny prompt systemowy przy każdym uruchomieniu. Obejmuje on:
  • Listę narzędzi + krótkie opisy
  • Listę Skills (tylko metadane; instrukcje są ładowane na żądanie przez read). Zwięzły blok Skills jest ograniczony przez skills.limits.maxSkillsPromptChars, z opcjonalnym nadpisaniem per agent w agents.list[].skillsLimits.maxSkillsPromptChars.
  • Instrukcje samoaktualizacji
  • Pliki workspace + bootstrap (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md gdy są nowe, a także MEMORY.md, gdy występuje, lub memory.md jako wariant z małych liter). Duże pliki są przycinane przez agents.defaults.bootstrapMaxChars (domyślnie: 12000), a całkowity wstrzykiwany bootstrap jest ograniczony przez agents.defaults.bootstrapTotalMaxChars (domyślnie: 60000). Codzienne pliki memory/*.md nie są częścią zwykłego promptu bootstrap; pozostają dostępne na żądanie przez narzędzia pamięci w zwykłych turach, ale czyste /new i /reset mogą dodać jednorazowy blok kontekstu startowego z ostatnią dzienną pamięcią dla tej pierwszej tury. To wprowadzenie startowe jest kontrolowane przez agents.defaults.startupContext.
  • Czas (UTC + strefa czasowa użytkownika)
  • Tagi odpowiedzi + zachowanie Heartbeat
  • Metadane runtime (host/OS/model/thinking)
Pełny podział znajdziesz w Prompt systemowy.

​
Co liczy się do okna kontekstu

Wszystko, co model otrzymuje, liczy się do limitu kontekstu:
  • Prompt systemowy (wszystkie sekcje wymienione powyżej)
  • Historia rozmowy (wiadomości użytkownika i asystenta)
  • Wywołania narzędzi i wyniki narzędzi
  • Załączniki/transkrypcje (obrazy, audio, pliki)
  • Podsumowania Compaction i artefakty przycinania
  • Opakowania dostawcy lub nagłówki bezpieczeństwa (niewidoczne, ale nadal liczone)
Niektóre powierzchnie runtime o dużym obciążeniu mają własne jawne limity:
  • agents.defaults.contextLimits.memoryGetMaxChars
  • agents.defaults.contextLimits.memoryGetDefaultLines
  • agents.defaults.contextLimits.toolResultMaxChars
  • agents.defaults.contextLimits.postCompactionMaxChars
Nadpisania per agent znajdują się w agents.list[].contextLimits. Te ustawienia dotyczą ograniczonych fragmentów runtime i wstrzykiwanych bloków należących do runtime. Są one oddzielone od limitów bootstrap, limitów kontekstu startowego i limitów promptu Skills. W przypadku obrazów OpenClaw skaluje w dół ładunki obrazów transkrypcji/narzędzi przed wywołaniami dostawcy. Użyj agents.defaults.imageMaxDimensionPx (domyślnie: 1200), aby to dostroić:
  • Niższe wartości zwykle zmniejszają użycie tokenów vision i rozmiar ładunku.
  • Wyższe wartości zachowują więcej szczegółów wizualnych dla zrzutów ekranu z dużą ilością OCR/UI.
Aby uzyskać praktyczny podział (na każdy wstrzyknięty plik, narzędzia, Skills i rozmiar promptu systemowego), użyj /context list lub /context detail. Zobacz Kontekst.

​
Jak zobaczyć bieżące użycie tokenów

Użyj tych poleceń na czacie:
  • /status → karta statusu bogata w emoji z modelem sesji, użyciem kontekstu, tokenami wejścia/wyjścia ostatniej odpowiedzi oraz szacowanym kosztem (tylko klucz API).
  • /usage off|tokens|full → dodaje stopkę użycia dla każdej odpowiedzi do każdej odpowiedzi.
    • Utrzymuje się per sesja (przechowywane jako responseUsage).
    • Autoryzacja OAuth ukrywa koszt (tylko tokeny).
  • /usage cost → pokazuje lokalne podsumowanie kosztów z logów sesji OpenClaw.
Inne powierzchnie:
  • TUI/Web TUI: obsługiwane są /status i /usage.
  • CLI: openclaw status --usage i openclaw channels list pokazują znormalizowane okna limitów dostawców (X% left, a nie koszty per odpowiedź). Obecni dostawcy z oknami użycia: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi i z.ai.
Powierzchnie użycia normalizują popularne aliasy pól natywnych dla dostawców przed wyświetleniem. Dla ruchu OpenAI-family Responses obejmuje to zarówno input_tokens / output_tokens, jak i prompt_tokens / completion_tokens, więc nazwy pól zależne od transportu nie zmieniają /status, /usage ani podsumowań sesji. Użycie Gemini CLI JSON również jest normalizowane: tekst odpowiedzi pochodzi z response, a stats.cached mapuje się na cacheRead, przy czym używane jest stats.input_tokens - stats.cached, gdy CLI pomija jawne pole stats.input. Dla natywnego ruchu OpenAI-family Responses aliasy użycia WebSocket/SSE są normalizowane w ten sam sposób, a sumy całkowite wracają do znormalizowanego wejścia + wyjścia, gdy total_tokens nie istnieje lub ma wartość 0. Gdy bieżący snapshot sesji jest ubogi, /status i session_status mogą również odzyskać liczniki tokenów/cache oraz etykietę aktywnego modelu runtime z najnowszego logu użycia transkrypcji. Istniejące niezerowe wartości live nadal mają pierwszeństwo przed wartościami awaryjnie pobranymi z transkrypcji, a większe sumy zorientowane na prompt z transkrypcji mogą wygrać, gdy zapisane sumy nie istnieją lub są mniejsze. Autoryzacja użycia dla okien limitów dostawców pochodzi z hooków specyficznych dla dostawcy, gdy są dostępne; w przeciwnym razie OpenClaw wraca do dopasowywania poświadczeń OAuth/klucza API z profili auth, env lub config.

​
Szacowanie kosztów (gdy jest wyświetlane)

Koszty są szacowane na podstawie konfiguracji cen modelu: 
models.providers.<provider>.models[].cost
Są to wartości USD za 1M tokenów dla input, output, cacheRead oraz cacheWrite. Jeśli brakuje cen, OpenClaw pokazuje tylko tokeny. Tokeny OAuth nigdy nie pokazują kosztu w dolarach.

​
Wpływ TTL cache i przycinania

Cache promptów dostawcy działa tylko w obrębie okna TTL cache. OpenClaw może opcjonalnie uruchamiać przycinanie cache-ttl: przycina sesję po wygaśnięciu TTL cache, a następnie resetuje okno cache, aby kolejne żądania mogły ponownie użyć świeżo zcache’owanego kontekstu zamiast ponownie cache’ować pełną historię. Dzięki temu koszty zapisu cache pozostają niższe, gdy sesja pozostaje bezczynna dłużej niż TTL. Skonfiguruj to w Konfiguracja Gateway, a szczegóły zachowania znajdziesz w Przycinanie sesji. Heartbeat może utrzymywać cache warm w przerwach bezczynności. Jeśli TTL cache Twojego modelu wynosi 1h, ustawienie interwału Heartbeat tuż poniżej tej wartości (np. 55m) może zapobiec ponownemu cache’owaniu pełnego promptu, zmniejszając koszty zapisu cache. W konfiguracjach wieloagentowych możesz utrzymać jedną współdzieloną konfigurację modelu i dostrajać zachowanie cache per agent za pomocą agents.list[].params.cacheRetention. Pełny przewodnik po wszystkich ustawieniach znajdziesz w Prompt Caching. W przypadku cen API Anthropic odczyty cache są znacznie tańsze niż tokeny wejściowe, natomiast zapisy cache są rozliczane z wyższym mnożnikiem. Aktualne stawki i mnożniki TTL znajdziesz w cenniku prompt caching Anthropic: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

​
Przykład: utrzymywanie cache 1h w stanie warm za pomocą Heartbeat

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

​
Przykład: ruch mieszany ze strategią cache per agent

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 scala się na wierzchu params wybranego modelu, więc możesz nadpisać tylko cacheRetention i odziedziczyć pozostałe domyślne ustawienia modelu bez zmian.

​
Przykład: włączenie nagłówka beta Anthropic 1M context

Okno kontekstu 1M Anthropic jest obecnie objęte bramką beta. OpenClaw może wstrzyknąć wymaganą wartość anthropic-beta, gdy włączysz context1m w obsługiwanych modelach Opus lub Sonnet. 
agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true
Mapuje się to na nagłówek beta Anthropic context-1m-2025-08-07. Ma to zastosowanie tylko wtedy, gdy context1m: true jest ustawione w tym wpisie modelu. Wymaganie: poświadczenie musi kwalifikować się do użycia długiego kontekstu. Jeśli nie, Anthropic odpowie błędem limitu po stronie dostawcy dla tego żądania. Jeśli uwierzytelniasz Anthropic za pomocą tokenów OAuth/subscription (sk-ant-oat-*), OpenClaw pomija nagłówek beta context-1m-*, ponieważ Anthropic obecnie odrzuca tę kombinację z HTTP 401.

​
Wskazówki, jak zmniejszyć presję tokenów

  • Użyj /compact, aby podsumować długie sesje.
  • Ograniczaj duże wyniki narzędzi w swoich workflow.
  • Obniż agents.defaults.imageMaxDimensionPx dla sesji z dużą liczbą zrzutów ekranu.
  • Utrzymuj krótkie opisy Skills (lista Skills jest wstrzykiwana do promptu).
  • W przypadku rozwlekłej, eksploracyjnej pracy preferuj mniejsze modele.
Zobacz Skills, aby poznać dokładny wzór narzutu listy Skills.