Przejdź do głównej treści

​
Użycie tokenów i koszty

OpenClaw śledzi tokeny, a nie znaki. Tokeny są specyficzne dla modelu, ale większość modeli w stylu OpenAI ma średnio ~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)
  • Instrukcje samodzielnej aktualizacji
  • Pliki workspace + bootstrap (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, BOOTSTRAP.md gdy są nowe, oraz MEMORY.md, gdy istnieje, lub memory.md jako fallback pisany małymi literami). Duże pliki są przycinane przez agents.defaults.bootstrapMaxChars (domyślnie: 20000), a całkowity limit wstrzykiwania bootstrap jest ograniczony przez agents.defaults.bootstrapTotalMaxChars (domyślnie: 150000). Pliki memory/*.md są ładowane na żądanie przez narzędzia pamięci i nie są wstrzykiwane automatycznie.
  • Czas (UTC + strefa czasowa użytkownika)
  • Tagi odpowiedzi + zachowanie heartbeat
  • Metadane runtime (host/OS/model/thinking)
Pełny podział znajdziesz w System Prompt.

​
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 + asystenta)
  • Wywołania narzędzi i wyniki narzędzi
  • Załączniki/transkrypcje (obrazy, audio, pliki)
  • Podsumowania kompaktowania i artefakty przycinania
  • Wrappery dostawców lub nagłówki bezpieczeństwa (niewidoczne, ale nadal liczone)
W przypadku obrazów OpenClaw zmniejsza rozmiar payloadów obrazów transkryptu/narzędzi przed wywołaniami dostawców. Użyj agents.defaults.imageMaxDimensionPx (domyślnie: 1200), aby to dostroić:
  • Niższe wartości zwykle zmniejszają użycie tokenów vision i rozmiar payloadu.
  • Wyższe wartości zachowują więcej szczegółów wizualnych dla OCR/zrzutów ekranu z interfejsem użytkownika.
Aby uzyskać praktyczny podział (na każdy wstrzyknięty plik, narzędzia, Skills i rozmiar promptu systemowego), użyj /context list lub /context detail. Zobacz Context.

​
Jak sprawdzić bieżące użycie tokenów

Użyj tych poleceń w czacie:
  • /status → bogata w emoji karta statusu 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 (zapisywane jako responseUsage).
    • OAuth ukrywa koszt (tylko tokeny).
  • /usage cost → pokazuje lokalne podsumowanie kosztów na podstawie logów sesji OpenClaw.
Inne powierzchnie:
  • TUI/Web TUI: /status + /usage są obsługiwane.
  • CLI: openclaw status --usage i openclaw channels list pokazują znormalizowane okna limitów dostawców (X% left, a nie koszty per odpowiedź). Obecni dostawcy okien użycia: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi i z.ai.
Powierzchnie użycia normalizują typowe aliasy pól natywnych dostawców przed wyświetleniem. Dla ruchu Responses z rodziny OpenAI obejmuje to zarówno input_tokens / output_tokens, jak i prompt_tokens / completion_tokens, dzięki czemu nazwy pól specyficzne dla transportu nie zmieniają /status, /usage ani podsumowań sesji. Użycie Gemini CLI JSON również jest normalizowane: tekst odpowiedzi pochodzi z response, a stats.cached jest mapowane na cacheRead, przy czym używane jest stats.input_tokens - stats.cached, gdy CLI pomija jawne pole stats.input. Dla natywnego ruchu Responses z rodziny OpenAI aliasy użycia WebSocket/SSE są normalizowane w ten sam sposób, a sumy wracają do znormalizowanego wejścia + wyjścia, gdy brakuje total_tokens lub ma wartość 0. Gdy bieżący snapshot sesji jest ubogi, /status i session_status mogą również odzyskiwać liczniki tokenów/cache oraz etykietę aktywnego modelu runtime z najnowszego logu użycia transkryptu. Istniejące niezerowe wartości live nadal mają pierwszeństwo przed wartościami fallback z transkryptu, a większe sumy transkryptu zorientowane na prompt mogą wygrywać, gdy zapisane sumy są nieobecne lub mniejsze. Auth użycia dla okien limitów dostawców pochodzi z hooków specyficznych dla dostawców, jeśli są dostępne; w przeciwnym razie OpenClaw wraca do dopasowania poświadczeń OAuth/API key z profili auth, env lub konfiguracji.

​
Szacowanie kosztów (gdy jest pokazywane)

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

​
Wpływ TTL cache i przycinania

Cache promptów dostawcy ma zastosowanie tylko w oknie 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. Pozwala to utrzymać niższe koszty zapisu do cache, gdy sesja pozostaje bezczynna po upływie TTL. Skonfiguruj to w Gateway configuration, a szczegóły zachowania znajdziesz w Session pruning. Heartbeat może utrzymywać cache ciepły podczas przerw bezczynności. Jeśli TTL cache modelu wynosi 1h, ustawienie interwału heartbeat tuż poniżej tej wartości (np. 55m) może zapobiec ponownemu cache’owaniu pełnego promptu, zmniejszając koszty zapisu do cache. W konfiguracjach wieloagentowych możesz utrzymywać jedną współdzieloną konfigurację modelu i dostrajać zachowanie cache dla każdego agenta za pomocą agents.list[].params.cacheRetention. Pełny przewodnik po wszystkich ustawieniach znajdziesz w Prompt Caching. W przypadku cen Anthropic API odczyty z cache są znacznie tańsze niż tokeny wejściowe, podczas gdy zapisy do cache są rozliczane z wyższym mnożnikiem. Najnowsze stawki i mnożniki TTL znajdziesz w cenniku prompt caching Anthropic: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

​
Przykład: utrzymanie ciepłego cache 1h 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" # domyślna baza dla większości agentów
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # utrzymuj długi cache ciepły dla głębokich sesji
    - id: "alerts"
      params:
        cacheRetention: "none" # unikaj zapisów do cache dla skokowych powiadomień
agents.list[].params scala się na wierzchu params wybranego modelu, więc możesz nadpisać tylko cacheRetention i dziedziczyć pozostałe domyślne wartości modelu bez zmian.

​
Przykład: włączenie nagłówka beta Anthropic 1M context

Okno kontekstu 1M Anthropic jest obecnie ograniczone bramką beta. OpenClaw może wstrzyknąć wymaganą wartość anthropic-beta, gdy włączysz context1m dla obsługiwanych modeli Opus lub Sonnet. 
agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true
To mapuje się na nagłówek beta Anthropic context-1m-2025-08-07. Ma to zastosowanie tylko wtedy, gdy dla tego wpisu modelu ustawiono context1m: true. Wymaganie: poświadczenie musi kwalifikować się do użycia długiego kontekstu (rozliczanie kluczem API lub ścieżka logowania Claude w OpenClaw z włączonym Extra Usage). W przeciwnym razie Anthropic odpowiada HTTP 429: rate_limit_error: Extra usage is required for long context requests. Jeśli uwierzytelniasz Anthropic tokenami OAuth/subscription (sk-ant-oat-*), OpenClaw pomija nagłówek beta context-1m-*, ponieważ Anthropic obecnie odrzuca to połączenie z HTTP 401.

​
Wskazówki dotyczące zmniejszania presji tokenów

  • Użyj /compact, aby podsumować długie sesje.
  • Przycinaj duże wyniki narzędzi w swoich przepływach pracy.
  • Obniż agents.defaults.imageMaxDimensionPx dla sesji z dużą liczbą zrzutów ekranu.
  • Utrzymuj krótkie opisy Skills (lista Skills jest wstrzykiwana do promptu).
  • Preferuj mniejsze modele do rozwlekłej, eksploracyjnej pracy.
Dokładny wzór narzutu listy Skills znajdziesz w Skills.