---
title: "上下文压缩（Context Compaction）"
type: concept
tags: [openclaw, memory, context-window]
sources: [养龙虾5天血泪史]
last_updated: 2026-04-23
---

## Definition

上下文压缩是 AI Agent 在对话填满 Context Window 时，将旧消息压缩成摘要为新消息腾出空间的内置机制。是 OpenClaw 管理上下文长度的核心手段。

## How It Works

当对话消息积累到一定量（接近 Context Window 限制）时，OpenClaw 的压缩器运行：
1. 扫描历史消息
2. 生成摘要（Summary）
3. 丢弃原始消息
4. 用摘要替代历史

## The Problem

**压缩摘要丢失细节**：
- 姓名、数字、具体决定等关键信息全部消失
- 摘要抓住了要点，但丢掉了可操作的细节
- 精心设计的第 3 条消息指令和第 7 条闲聊得到相同处理

> "上下文窗口是有限的。但默认行为对一切一视同仁，这意味着你精心设计的第三条消息指令，和第七条消息的闲聊得到了相同待遇。" — [[养龙虾5天血泪史]]

## Solution: Memory Flush

**在压缩运行前将重要上下文写入磁盘**：

```json
{
  "compaction": {
    "memoryFlush": {
      "enabled": true,
      "softThresholdTokens": 4000
    }
  }
}
```

当会话接近上下文限制时：
1. OpenClaw 触发静默回合
2. Agent 将重要内容写入 `memory/YYYY-MM-DD.md`
3. 压缩器运行
4. 即使摘要丢失，重要内容仍保留在磁盘上

**注意**：4000 这个数值要根据模型上下文窗口大小调整。大模型（32K/128K/200K tokens）应设置更高值，避免过度压缩导致上下文碎片化。

## Key Insight

> "压缩不是敌人。压缩过程中丢失信息才是。"

**如果只在上下文窗口中，它是临时的。如果在磁盘上，它就能存活。**

## Connections
- [[上下文刷新]] ← 防止上下文压缩的信息丢失
- [[上下文压缩]] ← 触发 [[上下文刷新]]
- [[Context-Pruning]] ← 与上下文压缩协同工作
- [[写入纪律]] ← 上下文刷新是写入纪律的技术实现
- [[养龙虾5天血泪史]] ← 主要来源