nexus/wiki/sources/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

title, type, tags, date

title	type	tags	date
一次「Context Limit Exceeded」错误排查：我以为是小问题，结果踩了大坑	source		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