Ana içeriğe atla

​
Belirteç kullanımı ve maliyetler

OpenClaw karakterleri değil, belirteçleri izler. Belirteçler modele özgüdür, ancak çoğu OpenAI tarzı model İngilizce metin için belirteç başına ortalama ~4 karakter kullanır.

​
Sistem istemi nasıl oluşturulur

OpenClaw her çalıştırmada kendi sistem istemini oluşturur. Buna şunlar dahildir:
  • Araç listesi + kısa açıklamalar
  • Skills listesi (yalnızca meta veriler; yönergeler gerektiğinde read ile yüklenir)
  • Kendi kendini güncelleme yönergeleri
  • Çalışma alanı + önyükleme dosyaları (AGENTS.md, SOUL.md, TOOLS.md, IDENTITY.md, USER.md, HEARTBEAT.md, yeniyken BOOTSTRAP.md, ayrıca mevcutsa MEMORY.md veya küçük harfli geri dönüş olarak memory.md). Büyük dosyalar agents.defaults.bootstrapMaxChars ile kırpılır (varsayılan: 20000) ve toplam önyükleme ekleme miktarı agents.defaults.bootstrapTotalMaxChars ile sınırlandırılır (varsayılan: 150000). memory/*.md dosyaları bellek araçları üzerinden isteğe bağlıdır ve otomatik olarak 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 neler sayılır

Modelin aldığı her şey bağlam sınırına dahil edilir:
  • Sistem istemi (yukarıda listelenen tüm bölümler)
  • Konuşma geçmişi (kullanıcı + asistan mesajları)
  • Araç çağrıları ve araç sonuçları
  • Ekler/dökümler (görseller, ses, dosyalar)
  • Sıkıştırma özetleri ve budama yapıtları
  • Sağlayıcı sarmalayıcıları veya güvenlik başlıkları (görünmez, ancak yine de sayılır)
Görseller için OpenClaw, sağlayıcı çağrılarından önce döküm/araç görsel yüklerini küçültür. Bunu ayarlamak için agents.defaults.imageMaxDimensionPx kullanın (varsayılan: 1200):
  • Daha düşük değerler genellikle vision belirteci kullanımını ve yük boyutunu azaltır.
  • Daha yüksek değerler OCR/UI ağırlıklı ekran görüntüleri için daha fazla görsel ayrıntıyı korur.
Pratik bir döküm için (eklenen dosya başına, araçlar, Skills ve sistem istemi boyutu), /context list veya /context detail kullanın. Bkz. Context.

​
Geçerli belirteç kullanımı nasıl görülür

Sohbette şunları kullanın:
  • /status → oturum modeli, bağlam kullanımı, son yanıtın giriş/çıkış belirteçleri ve tahmini maliyeti (yalnızca API anahtarı) ile emoji açısından zengin durum kartı.
  • /usage off|tokens|full → her yanıta yanıt başına kullanım altbilgisi ekler.
    • Oturum başına kalıcıdır (responseUsage olarak saklanır).
    • OAuth kimlik doğrulaması maliyeti gizler (yalnızca belirteçler).
  • /usage cost → OpenClaw oturum günlüklerinden yerel bir maliyet özeti gösterir.
Diğer yüzeyler:
  • TUI/Web TUI: /status + /usage desteklenir.
  • CLI: openclaw status --usage ve openclaw channels list, normalleştirilmiş sağlayıcı kota pencerelerini gösterir (%X kaldı, yanıt başına maliyet değil). Geçerli kullanım penceresi sağlayıcıları: Anthropic, GitHub Copilot, Gemini CLI, OpenAI Codex, MiniMax, Xiaomi ve z.ai.
Kullanım yüzeyleri, göstermeden önce yaygın sağlayıcıya özgü alan takma adlarını normalleştirir. 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 normalleştirilir: yanıt metni response içinden gelir ve CLI açık bir stats.input alanını atladığında stats.cached, cacheRead olarak eşlenir; ayrıca stats.input_tokens - stats.cached kullanılır. Yerel OpenAI ailesi Responses trafiği için WebSocket/SSE kullanım takma adları da aynı şekilde normalleştirilir ve total_tokens eksik olduğunda veya 0 olduğunda toplamlar, normalleştirilmiş giriş + çıkışa geri döner. Geçerli oturum anlık görüntüsü seyrek olduğunda, /status ve session_status en son döküm kullanım günlüğünden belirteç/önbellek sayaçlarını ve etkin çalışma zamanı model etiketini de geri kazanabilir. Mevcut sıfır olmayan canlı değerler yine de döküm geri dönüş değerlerine göre önceliklidir ve saklanan toplamlar eksik veya daha küçük olduğunda, istem odaklı daha büyük döküm toplamları kazanabilir. Sağlayıcı kota pencereleri için kullanım kimlik doğrulaması, mevcut olduğunda sağlayıcıya özgü kancalardan gelir; aksi takdirde OpenClaw, kimlik doğrulama profilleri, env veya yapılandırmadan eşleşen OAuth/API anahtarı kimlik bilgilerine geri döner.

​
Maliyet tahmini (gösterildiğinde)

Maliyetler, model fiyatlandırma yapılandırmanızdan tahmin edilir: 
models.providers.<provider>.models[].cost
Bunlar input, output, cacheRead ve cacheWrite için 1 milyon belirteç başına USD cinsindendir. Fiyatlandırma eksikse OpenClaw yalnızca belirteçleri gösterir. OAuth belirteçleri asla dolar maliyeti göstermez.

​
Önbellek TTL’si ve budamanın etkisi

Sağlayıcı istem önbelleklemesi yalnızca önbellek TTL penceresi içinde geçerlidir. OpenClaw, isteğe bağlı olarak cache-ttl pruning çalıştırabilir: önbellek TTL’si sona erdiğinde oturumu budar, ardından önbellek penceresini sıfırlar; böylece sonraki istekler, tüm geçmişi yeniden önbelleğe almak yerine yeni önbelleğe alınmış bağlamı yeniden kullanabilir. Bu, bir oturum TTL’yi aşacak kadar boşta kaldığında önbellek yazma maliyetlerini daha düşük tutar. Bunu Gateway configuration bölümünde yapılandırın ve davranış ayrıntıları için Session pruning bölümüne bakın. Heartbeat, boşta kalma aralıkları boyunca önbelleği sıcak tutabilir. Model önbellek TTL’niz 1h ise, heartbeat aralığını bunun hemen altına ayarlamak (örneğin 55m), tam istemin yeniden önbelleğe alınmasını önleyebilir; bu da önbellek yazma maliyetlerini azaltır. Çok ajanlı kurulumlarda, tek bir ortak model yapılandırması tutabilir ve önbellek davranışını ajan başına agents.list[].params.cacheRetention ile ayarlayabilirsiniz. Ayarların her biri için tam kılavuz için bkz. Prompt Caching. Anthropic API fiyatlandırmasında, önbellek okumaları giriş belirteçlerinden önemli ölçüde daha ucuzdur; önbellek 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: heartbeat ile 1 saatlik önbelleği sıcak tutun

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

​
Örnek: ajan başına önbellek stratejisiyle 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 çizgi
  list:
    - id: "research"
      default: true
      heartbeat:
        every: "55m" # derin oturumlar için uzun önbelleği sıcak tut
    - id: "alerts"
      params:
        cacheRetention: "none" # ani bildirimler için önbellek yazımlarını önle
agents.list[].params, seçili modelin params değerlerinin üstüne birleştirilir; böylece yalnızca cacheRetention değerini geçersiz kılabilir ve diğer model varsayılanlarını değiştirmeden devralabilirsiniz.

​
Örnek: Anthropic 1M bağlam beta başlığını etkinleştirme

Anthropic’in 1M bağlam penceresi şu anda beta ile sınırlıdır. OpenClaw, desteklenen Opus veya Sonnet modellerinde context1m etkinleştirildiğinde 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 başlığına eşlenir. Bu yalnızca ilgili model girdisinde context1m: true ayarlandığında geçerlidir. Gereksinim: kimlik bilgisinin uzun bağlam kullanımı için uygun olması gerekir (API anahtarı faturalandırması veya OpenClaw’ın Extra Usage etkin Claude-login yolu). Aksi halde, Anthropic şu yanıtı verir: HTTP 429: rate_limit_error: Extra usage is required for long context requests. Anthropic’i OAuth/abonelik belirteçleriyle (sk-ant-oat-*) doğrularsanız, Anthropic şu anda bu birleşimi HTTP 401 ile reddettiği için OpenClaw context-1m-* beta başlığını atlar.

​
Belirteç baskısını azaltmaya yönelik ipuçları

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