---
title: "一次「Context Limit Exceeded」错误排查：我以为是小问题，结果踩了大坑"
type: source
tags: []
date: 2026-04-10
---

## Source File
- [[raw/微信公众号/养虾日记4： 一次「Context Limit Exceeded」错误排查：我以为是小问题，结果踩了大坑.md]]

## Summary
- 核心主题：OpenClaw AI Agent 的 Context Limit 错误排查
- 问题域：AI Agent 运维、模型配置问题诊断
- 方法/机制：Gateway 日志分析、模型配置层级排查、compaction 机制理解
- 结论/价值：不要默认认为错误信息就是表面意思，两层配置要分清，日志真的有用

## Key Claims
- 「Context limit exceeded」不一定是因为对话太长，可能是模型配置本身就有问题
- 全局 compaction 配置和 agent 模型配置是两码事，改全局不行就得往 agent 级别去找
- OpenClaw 这种分布式 agent 系统，一个问题可能藏在七八个地方——session、memory、model config、routing rules、compaction 策略

## Key Quotes
> "provider=custom-api-deepseek-reasoner/deepseek-reasoner ctx=16000"
> "estimatedPromptTokens=393 overflowTokens=392 reserveTokens=16384"
> "deepseek-reasoner 的 context window 只有 16K"

## Key Concepts
- [[上下文压缩]]：OpenClaw 的 safeguard 模式会预留一半 token 给 compaction
- [[模型配置层级]]：Global Config、Agent/Channel Specific Config、环境变量的分层配置
- [[Fallback 机制]]：模型服务不可用时的自动切换逻辑

## Key Entities
- [[OpenClaw]]：AI Agent 管理工具，作者使用的自托管系统
- [[MiniMax-M2.7]]：作者默认使用的模型，200K context window
- [[DeepSeek-Reasoner]]：只有 16K context window 的模型，问题的真正原因

## Connections
- [[养虾日记2：让Agent更懂你]] ← related_to ← [[养虾日记3：用 Obsidian + Gitea 为 AI 助手构建持久化笔记系统]]
- [[养虾日记4：一次「Context Limit Exceeded」错误排查]] ← related_to ← [[养龙虾5天血泪史：我的AI Agent为什么总失忆？OpenClaw 记忆调试全记录]]

## Contradictions
- 无

## Lessons Learned
1. 不要默认认为错误信息就是表面意思
2. 两层配置要分清：全局 compaction 配置和 agent 模型配置
3. 日志真的有用
4. 工具/系统越复杂，问题的隐藏路径越深