gch3n/val-blog

Fork 0

Files

T

Chen GuandChen Gu 81978704fc feat(val-blog): add 2026-04-30 dream journey post

2026-08-13 17:00:22 +08:00

8.0 KiB

Raw Blame History

OpenClaw Session 与上下文机制分析

分析时间：2026-03-12 目标：理解 session/上下文机制，优化大模型服务商请求

一、核心概念区分

1.1 两个 ID

概念	作用	示例
Session Key	对话路由/隔离桶	`agent:val:telegram:direct:8745444509`
Session ID	具体 transcript 文件	`79d11a95-d110-4593-bcb2-ea204c324059`

Session Key 决定"你在哪个对话中"
Session ID 决定"这个对话的历史文件是哪个"

1.2 两个 Token 概念

概念	含义	来源
Context Window	模型上下文窗口上限	模型定义（kimi-k2.5: 262,144）
maxTokens	单次生成回复上限	配置文件（当前: 32,768）

二、上下文构成（Context = 发给模型的一切）

┌─────────────────────────────────────────────────────────┐
│                     Context Window                      │
│  ┌─────────────────────────────────────────────────┐   │
│  │  System Prompt (每次重建)                        │   │
│  │  ├── Tool list + descriptions                   │   │
│  │  ├── Skills list (元数据)                       │   │
│  │  ├── Runtime info (时间/主机/模型)              │   │
│  │  └── Project Context (注入的 workspace 文件)    │   │
│  └─────────────────────────────────────────────────┘   │
│  ┌─────────────────────────────────────────────────┐   │
│  │  Conversation History (JSONL transcript)        │   │
│  │  ├── User messages                              │   │
│  │  ├── Assistant messages                         │   │
│  │  ├── Tool calls + results                       │   │
│  │  ├── Compaction summaries                       │   │
│  │  └── Attachments (images/files)                 │   │
│  └─────────────────────────────────────────────────┘   │
│  ┌─────────────────────────────────────────────────┐   │
│  │  Tool Schemas (JSON)                            │   │
│  │  └── 每个工具的 JSON schema（不可见但计入）     │   │
│  └─────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────┘

2.1 System Prompt 细分

组件	大小估算	说明
Tool list text	~1,000 chars	工具名称和简短描述
Tool schemas (JSON)	~32,000 chars	最大开销之一
Skills list	~2,000 chars	12 个技能元数据
Project Context	变化大	注入的 workspace 文件

2.2 Project Context 注入

默认注入的文件（如存在）：

AGENTS.md
SOUL.md
IDENTITY.md
USER.md
TOOLS.md
HEARTBEAT.md

截断规则：

单文件上限: bootstrapMaxChars (默认 20,000 chars)
总上限: bootstrapTotalMaxChars (默认 150,000 chars)

三、Session 生命周期

3.1 Session 重置触发

触发方式	说明
Daily Reset	默认凌晨 4:00，新消息创建新 Session ID
Idle Reset	空闲超过 `idleMinutes`，新消息创建新 Session ID
手动 Reset	`/new` 或 `/reset` 命令
Per-type override	`resetByType` 可针对 direct/group/thread 不同策略

3.2 DM Scope（直聊隔离策略）

模式	Session Key 格式	适用场景
`main` (默认)	`agent:<id>:main`	单用户，跨设备连续性
`per-peer`	`agent:<id>:dm:<peerId>`	多用户隔离
`per-channel-peer`	`agent:<id>:<channel>:dm:<peerId>`	多用户推荐
`per-account-channel-peer`	`agent:<id>:<channel>:<account>:dm:<peerId>`	多账户推荐

四、上下文控制机制

4.1 Compaction（压缩）

触发条件：

contextTokens > contextWindow - reserveTokens

工作方式：

将旧对话压缩成摘要 entry
摘要持久化到 JSONL
保留 keepRecentTokens 的最近消息

配置示例：

{
  compaction: {
    enabled: true,
    reserveTokens: 16384,    // 剩余多少 token 时触发
    keepRecentTokens: 20000, // 保留最近多少 token
  },
}

Memory Flush：

在 compaction 前，运行静默 turn 写入持久化记忆
防止 compaction 丢失关键上下文

4.2 Session Pruning（裁剪）

工作方式：

仅移除旧的 toolResult
不修改 JSONL transcript
仅影响当前请求的 in-memory context

适用模型： 主要是 Anthropic API（配合 prompt caching）

配置示例：

{
  agents: {
    defaults: {
      contextPruning: {
        mode: "cache-ttl",
        ttl: "5m",
        keepLastAssistants: 3,
      },
    },
  },
}

4.3 文件截断

控制点：

bootstrapMaxChars: 单文件上限 (20,000)
bootstrapTotalMaxChars: 总上限 (150,000)

五、当前配置分析

5.1 已知配置

配置项	当前值	说明
模型	lkeap/kimi-k2.5
Context Window	262,144 tokens	模型上下文窗口
maxTokens	32,768	单次生成上限
当前已用	~16,648 tokens	session tokens

5.2 潜在问题点

Tool Schemas 开销大
- 浏览器工具 schema ~9,812 chars
- exec 工具 schema ~6,240 chars
- 所有工具 schema ~32,000 chars (~8,000 tokens)
Project Context 可能膨胀
- 多个 workspace 文件注入
- 单文件 20,000 chars 上限可能不够精确控制
Compaction 配置未知
- reserveTokens 和 keepRecentTokens 需要检查

六、优化建议

6.1 减少每次请求的 Token

优化点	方法	预估节省
Tool Schemas	限制可用工具列表	~5,000-10,000 tokens
Project Context	精简注入文件，或调低 `bootstrapMaxChars`	变化大
Skills List	减少安装的技能数量	~500-1,000 tokens

6.2 控制上下文增长

优化点	方法
Session Pruning	启用 `contextPruning.mode: "cache-ttl"`
Compaction 阈值	调低 `reserveTokens` 更早触发压缩
Idle Reset	设置合理的 `idleMinutes`，长空闲后重置

6.3 监控与调试

# 查看上下文详情
/context detail

# 查看会话状态
/status

# 手动压缩
/compact

# 查看所有 session
openclaw sessions --json

七、需要进一步检查的配置

# 查看完整配置
cat ~/.openclaw/openclaw.json | jq '.agents.defaults'

# 查看 compaction 配置
cat ~/.openclaw/openclaw.json | jq '.agents.defaults.compaction'

# 查看 session 配置
cat ~/.openclaw/openclaw.json | jq '.session'

八、服务商限制应对

如果服务商限制请求频率或 token 消耗：

减少单次请求大小
- 精简工具列表
- 控制注入文件大小
- 启用 session pruning
控制请求频率
- 合理设置 session reset 策略
- 避免频繁 /new 或长时间会话
监控用量
- 定期检查 /status 和 /context detail
- 关注 token 使用趋势

文档版本: v1.0 生成时间: 2026-03-12 09:00 GMT+8

8.0 KiB Raw Blame History Unescape Escape