Ana içeriğe atla

​
Token kullanımı ve maliyetler

OpenClaw karakterleri değil, token’ları izler. Token’lar modele özeldir, ancak çoğu OpenAI tarzı model İngilizce metin için ortalama token başına yaklaşık 4 karakter kullanır.

​
Sistem prompt’u nasıl oluşturulur

OpenClaw her çalıştırmada kendi system prompt’unu oluşturur. Şunları içerir:
  • Tool listesi + kısa açıklamalar
  • Skills listesi (yalnızca meta veriler; yönergeler isteğe bağlı olarak read ile yüklenir)
  • Kendi kendini güncelleme yönergeleri
  • Çalışma alanı + bootstrap dosyaları (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, yeni olduğunda BOOTSTRAP.md, ayrıca varsa MEMORY.md veya küçük harfli geri dönüş olarak memory.md). Büyük dosyalar agents.defaults.bootstrapMaxChars (varsayılan: 20000) ile kısaltılır ve toplam bootstrap ekleme işlemi agents.defaults.bootstrapTotalMaxChars (varsayılan: 150000) ile sınırlandırılır. memory/*.md dosyaları memory tools aracılığıyla isteğe bağlıdır ve otomatik eklenmez.
  • Zaman (UTC + kullanıcı saat dilimi)
  • Yanıt etiketleri + heartbeat davranışı
  • Çalışma zamanı meta verileri (host/OS/model/thinking)
Tam döküm için bkz. System Prompt.

​
Bağlam penceresinde ne sayılır

Modelin aldığı her şey bağlam sınırına dahil edilir:
  • System prompt (yukarıda listelenen tüm bölümler)
  • Konuşma geçmişi (kullanıcı + yardımcı mesajları)
  • Tool çağrıları ve tool sonuçları
  • Ekler/transkriptler (görüntüler, ses, dosyalar)
  • Sıkıştırma özetleri ve budama yapıtları
  • Provider wrapper’ları veya güvenlik header’ları (görünmezler, ama yine de sayılırlar)
Görüntüler için OpenClaw, provider çağrılarından önce transcript/tool görüntü payload’larını küçültür. Bunu ayarlamak için agents.defaults.imageMaxDimensionPx (varsayılan: 1200) kullanın:
  • Daha düşük değerler genellikle vision-token kullanımını ve payload boyutunu azaltır.
  • Daha yüksek değerler OCR/UI ağırlıklı ekran görüntüleri için daha fazla görsel ayrıntıyı korur.
Pratik bir döküm için (eklenen dosya başına, tool’lar, Skills ve system prompt boyutu), /context list veya /context detail kullanın. Bkz. Context.

​
Geçerli token kullanımı nasıl görülür

Sohbette şunları kullanın:
  • /status → oturum modeli, bağlam kullanımı, son yanıt giriş/çıkış token’ları ve tahmini maliyet (yalnızca API anahtarı) içeren emoji açısından zengin durum kartı.
  • /usage off|tokens|full → her yanıta yanıt başına kullanım alt bilgisi ekler.
    • Oturum başına kalıcıdır (responseUsage olarak saklanır).
    • OAuth kimlik doğrulaması maliyeti gizler (yalnızca token’lar).
  • /usage cost → OpenClaw oturum günlüklerinden yerel maliyet özetini gösterir.
Diğer yüzeyler:
  • TUI/Web TUI: /status + /usage desteklenir.
  • CLI: openclaw status --usage ve openclaw channels list, normalize edilmiş provider kota pencerelerini gösterir (yanıt başına maliyetler değil, X% kaldı). Geçerli kullanım penceresi provider’ları: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi ve z.ai.
Kullanım yüzeyleri, görüntülemeden önce yaygın provider yerel alan takma adlarını normalize eder. OpenAI ailesi Responses trafiği için buna hem input_tokens / output_tokens hem de prompt_tokens / completion_tokens dahildir; böylece taşımaya özgü alan adları /status, /usage veya oturum özetlerini değiştirmez. Gemini CLI JSON kullanımı da normalize edilir: yanıt metni response içinden gelir ve CLI açık bir stats.input alanı vermediğinde stats.cached, cacheRead olarak eşlenir; stats.input_tokens - stats.cached kullanılır. Yerel OpenAI ailesi Responses trafiği için WebSocket/SSE kullanım takma adları da aynı şekilde normalize edilir ve total_tokens eksikse veya 0 ise toplamlar normalize edilmiş giriş + çıkıştan geri düşer. Geçerli oturum anlık görüntüsü seyrekse /status ve session_status ayrıca token/cache sayaçlarını ve etkin çalışma zamanı model etiketini en son transcript kullanım günlüğünden de geri kazanabilir. Mevcut sıfır olmayan canlı değerler yine de transcript geri dönüş değerlerine göre önceliklidir ve saklanan toplamlar eksik veya daha küçük olduğunda daha büyük prompt odaklı transcript toplamları kazanabilir. Provider kota pencereleri için kullanım kimlik doğrulaması, mevcut olduğunda provider’a özgü hook’lardan gelir; aksi halde OpenClaw auth profillerinden, env’den veya yapılandırmadan eşleşen OAuth/API key kimlik bilgilerine geri düşer.

​
Maliyet tahmini (gösterildiğinde)

Maliyetler model fiyatlandırma yapılandırmanızdan tahmin edilir: 
models.providers.<provider>.models[].cost
Bunlar input, output, cacheRead ve cacheWrite için 1M token başına USD değerleridir. Fiyatlandırma eksikse OpenClaw yalnızca token’ları gösterir. OAuth token’ları asla dolar cinsinden maliyet göstermez.

​
Cache TTL ve budama etkisi

Provider prompt caching yalnızca cache TTL penceresi içinde geçerlidir. OpenClaw isteğe bağlı olarak cache-ttl pruning çalıştırabilir: cache TTL süresi dolduğunda oturumu budar, sonra cache penceresini sıfırlar; böylece sonraki istekler tam geçmişi yeniden cache’lemek yerine yeni cache’lenen bağlamı yeniden kullanabilir. Bu, bir oturum TTL süresini aşacak kadar boşta kaldığında cache yazma maliyetlerini daha düşük tutar. Bunu Gateway configuration bölümünde yapılandırın ve davranış ayrıntıları için Session pruning bölümüne bakın. Heartbeat, cache’i boşta geçen aralıklarda sıcak tutabilir. Model cache TTL’niz 1h ise heartbeat aralığını bunun biraz altına ayarlamak (örneğin 55m) tam prompt’un yeniden cache’lenmesini önleyebilir ve cache yazma maliyetlerini düşürebilir. Çoklu ajan kurulumlarında tek bir paylaşılan model yapılandırmasını koruyabilir ve cache davranışını ajan başına agents.list[].params.cacheRetention ile ayarlayabilirsiniz. Her ayar düğmesini tek tek açıklayan tam bir kılavuz için bkz. Prompt Caching. Anthropic API fiyatlandırmasında cache okumaları input token’lara göre belirgin şekilde daha ucuzdur; cache yazmaları ise daha yüksek bir çarpanla ücretlendirilir. En güncel oranlar ve TTL çarpanları için Anthropic’in prompt caching fiyatlandırmasına bakın: https://docs.anthropic.com/docs/build-with-claude/prompt-caching

​
Örnek: 1h cache’i heartbeat ile sıcak tutma

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

​
Örnek: ajan başına cache stratejisi ile karma trafik

agents:
  defaults:
    model:
      primary: "anthropic/claude-opus-4-6"
    models:
      "anthropic/claude-opus-4-6":
        params:
          cacheRetention: "long" # çoğu ajan için varsayılan temel yapı
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # derin oturumlar için uzun cache'i sıcak tut
    - id: "alerts"
      params:
        cacheRetention: "none" # patlamalı bildirimler için cache yazımlarını önle
agents.list[].params, seçilen modelin params alanının üzerine birleştirilir; böylece yalnızca cacheRetention değerini geçersiz kılabilir ve diğer model varsayılanlarını değiştirmeden devralabilirsiniz.

​
Örnek: Anthropic 1M bağlam beta header’ını etkinleştirme

Anthropic’in 1M bağlam penceresi şu anda beta kapılıdır. OpenClaw, desteklenen Opus veya Sonnet modellerinde context1m etkinleştirdiğinizde gerekli anthropic-beta değerini ekleyebilir. 
agents:
  defaults:
    models:
      "anthropic/claude-opus-4-6":
        params:
          context1m: true
Bu, Anthropic’in context-1m-2025-08-07 beta header’ına eşlenir. Bu yalnızca o model girdisinde context1m: true ayarlandığında uygulanır. Gereksinim: kimlik bilgisinin uzun bağlam kullanımı için uygun olması gerekir. Değilse, Anthropic bu istek için provider taraflı bir rate limit hatası döndürür. Anthropic’i OAuth/abonelik token’larıyla (sk-ant-oat-*) kimlik doğruluyorsanız, OpenClaw context-1m-* beta header’ını atlar çünkü Anthropic şu anda bu kombinasyonu HTTP 401 ile reddeder.

​
Token baskısını azaltma ipuçları

  • Uzun oturumları özetlemek için /compact kullanın.
  • İş akışlarınızda büyük tool çıktılarını kısaltın.
  • Ekran görüntüsü ağırlıklı oturumlar için agents.defaults.imageMaxDimensionPx değerini düşürün.
  • Skill açıklamalarını kısa tutun (skill listesi prompt’a eklenir).
  • Ayrıntılı, keşif amaçlı işler için daha küçük modelleri tercih edin.
Tam skill listesi ek yükü formülü için bkz. Skills.