上下文

“上下文”是 OpenClaw 为一次运行发送给模型的全部内容。其容量受模型的上下文窗口（Token 限制）约束。

初学者心智模型：

• 系统提示词（由 OpenClaw 构建）：规则、工具、Skills 列表、时间/运行时，以及注入的工作区文件。
• 对话历史：本会话中你的消息 + 助手的消息。
• 工具调用/结果 + 附件：命令输出、读取的文件、图像/音频等。

上下文与“记忆”并不相同：记忆可以存储在磁盘上并在之后重新加载；上下文是模型当前窗口内的内容。

快速开始（检查上下文）

• /status → 快速查看“我的窗口已使用多少？”以及会话设置。
• /context list → 查看注入了哪些内容及其大致大小（每个文件 + 总计）。
• /context detail → 更深入的明细：每个文件、每个工具架构的大小、每个 Skill 条目的大小、系统提示词大小，以及可压缩的对话记录消息数。
• /context map → 当前会话中已跟踪上下文来源的 WinDirStat 风格树状图。
• /usage tokens → 在普通回复后附加每次回复的用量页脚。
• /compact → 将较早的历史记录总结为精简条目，以释放窗口空间。

另请参阅：斜杠命令、Token 使用量和成本、压缩。

输出示例

具体值因模型、提供商、工具策略和工作区内容而异。

/context list

🧠 上下文明细工作区：<workspaceDir>引导内容每个文件上限：12,000 个字符沙箱：mode=non-main sandboxed=false系统提示词（运行）：38,412 个字符（约 9,603 个 Token）（项目上下文 23,901 个字符（约 5,976 个 Token）） 注入的工作区文件：- AGENTS.md：正常 | 原始 1,742 个字符（约 436 个 Token）| 注入 1,742 个字符（约 436 个 Token）- SOUL.md：正常 | 原始 912 个字符（约 228 个 Token）| 注入 912 个字符（约 228 个 Token）- TOOLS.md：已截断 | 原始 54,210 个字符（约 13,553 个 Token）| 注入 20,962 个字符（约 5,241 个 Token）- IDENTITY.md：正常 | 原始 211 个字符（约 53 个 Token）| 注入 211 个字符（约 53 个 Token）- USER.md：正常 | 原始 388 个字符（约 97 个 Token）| 注入 388 个字符（约 97 个 Token）- HEARTBEAT.md：缺失 | 原始 0 | 注入 0- BOOTSTRAP.md：正常 | 原始 0 个字符（约 0 个 Token）| 注入 0 个字符（约 0 个 Token） Skills 列表（系统提示词文本）：2,184 个字符（约 546 个 Token）（12 个 Skills）工具：read、edit、write、exec、process、browser、message、sessions_send、…工具列表（系统提示词文本）：1,032 个字符（约 258 个 Token）工具架构（JSON）：31,988 个字符（约 7,997 个 Token）（计入上下文；不显示为文本）工具：（同上） 会话 Token（缓存）：总计 14,250 / ctx=32,000

/context detail

🧠 上下文明细（详细）…最大的 Skills（提示词条目大小）：- frontend-design：412 个字符（约 103 个 Token）- oracle：401 个字符（约 101 个 Token）…（另有 10 个 Skills） 最大的工具（架构大小）：- browser：9,812 个字符（约 2,453 个 Token）- exec：6,240 个字符（约 1,560 个 Token）…（另有 N 个工具）

/context map

发送一张根据最新缓存的运行报告和会话对话记录生成的图像。在普通消息生成本会话的运行报告之前，/context map 会返回不可用消息，而不是渲染估算结果。矩形面积与所跟踪提示词的字符数成正比：

• 对话记录（用户消息、助手回复、工具结果、压缩摘要），以及仅发送给模型的每轮运行时上下文和钩子提示词增补内容
• 注入的工作区文件
• 基础系统提示词文本
• Skill 提示词条目
• 工具 JSON 架构

对话组会随会话增长，因此此图会逐轮变化；压缩后，它会折叠为摘要区块。

没有缓存运行报告时，/context list、/context detail 和 /context json 仍可检查按需估算结果。

哪些内容会计入上下文窗口

模型接收的所有内容都会计入，包括：

• 系统提示词（所有部分）。
• 对话历史。
• 工具调用 + 工具结果。
• 附件/转录内容（图像/音频/文件）。
• 压缩摘要和剪枝工件。
• 提供商“包装器”或隐藏标头（不可见，但仍会计入）。

OpenClaw 如何构建系统提示词

系统提示词归 OpenClaw 所有，并在每次运行时重新构建。其中包括：

• 工具列表 + 简短说明。
• Skills 列表（仅元数据；见下文）。
• 工作区位置。
• 时间（UTC + 已配置时转换后的用户时间）。
• 运行时元数据（主机/操作系统/模型/思考模式）。
• 在项目上下文下方注入的工作区引导文件。

完整明细：系统提示词。

注入的工作区文件（项目上下文）

默认情况下，OpenClaw 会注入一组固定的工作区文件（如果存在）：

• AGENTS.md
• SOUL.md
• TOOLS.md
• IDENTITY.md
• USER.md
• HEARTBEAT.md
• BOOTSTRAP.md（仅首次运行）

大文件会使用 agents.defaults.bootstrapMaxChars 按文件截断（默认 20000 个字符）。OpenClaw 还会通过 agents.defaults.bootstrapTotalMaxChars 对所有文件强制执行引导内容注入总上限（默认 60000 个字符）。/context 会显示原始大小与注入大小，以及是否发生截断。

发生截断时，运行时可以在项目上下文下方注入提示词内警告块。通过 agents.defaults.bootstrapPromptTruncationWarning 配置此行为（off、once、always；默认 always）。

Skills：注入与按需加载

系统提示词包含精简的 Skills 列表（名称 + 描述 + 位置）。此列表会产生实际开销。

默认不包含 Skill 指令。模型应当仅在需要时 read 该 Skill 的 SKILL.md。

工具：存在两类成本

工具通过两种方式影响上下文：

1. 系统提示词中的工具列表文本（即你看到的“工具”）。
2. 工具架构（JSON）。这些内容会发送给模型，以便模型调用工具。即使你无法看到其纯文本形式，它们仍会计入上下文。

/context detail 会列出最大的工具架构明细，方便查看哪些内容占比最高。

命令、指令和“内联快捷方式”

斜杠命令由 Gateway 网关处理。它们有以下几种不同行为：

• 独立命令：仅包含 /... 的消息会作为命令运行。
• 指令：/think、/fast、/verbose、/trace、/reasoning、/elevated、/exec、/model、/queue 会在模型看到消息之前被移除。
  • 仅包含指令的消息会持久保存会话设置。
  • 普通消息中的内联指令会作为单条消息级别的提示。
• 内联快捷方式（仅限允许列表中的发送者）：普通消息中的某些 /... Token 可以立即运行（例如：“hey /status”），并会在模型看到其余文本之前被移除。

详情：斜杠命令。

会话、压缩和剪枝（哪些内容会持久保存）

消息之间持久保存哪些内容取决于所用机制：

• 普通历史记录会保留在会话对话记录中，直到按策略压缩/剪枝。
• 压缩会将摘要持久保存到对话记录中，同时完整保留近期消息。
• 剪枝会从_内存中的_提示词删除旧工具结果，以释放上下文窗口空间，但不会重写会话对话记录——完整历史记录仍可在磁盘上检查。

文档：会话、压缩、会话剪枝。

默认情况下，OpenClaw 使用内置的 legacy 上下文引擎进行组装和 压缩。如果安装了提供 kind: "context-engine" 的插件，并通过 plugins.slots.contextEngine 选择它，OpenClaw 会将上下文 组装、/compact 及相关子智能体上下文生命周期钩子委托给该 引擎。ownsCompaction: false 不会自动回退到旧版 引擎；活动引擎仍必须正确实现 compact()。有关完整的 可插拔接口、生命周期钩子和配置，请参阅 上下文引擎。

/context 实际报告的内容

如果可用，/context 会优先使用最新的运行时构建系统提示词报告：

• System prompt (run) = 从上次嵌入式（支持工具）运行中捕获，并持久保存到会话存储中。
• System prompt (estimate) = 当不存在运行报告时（或通过不会生成该报告的 CLI 后端运行时）即时计算。

无论哪种方式，它都会报告大小和主要来源；但不会转储完整的系统提示词或工具架构。在详细模式下，它还会使用压缩所采用的同一真实对话消息判定条件，将会话对话记录进行比较，以便更容易区分较高的提示词/缓存用量与可压缩的对话历史。

相关内容