OpenClaw 上下文压缩配置实战

本文摘要

深入解析 OpenClaw 的 compaction 配置优化过程，从 safeguard 模式迁移到 lossless-claw (LCM)，解决双重压缩触发问题，给出最佳实践配置方案。

背景

在使用 OpenClaw 构建 AI Agent 系统时，上下文管理是核心挑战之一。随着对话历史增长，Token 消耗会迅速逼近模型上下文窗口上限。OpenClaw 提供了 compaction（上下文压缩）机制来自动处理这个问题，但默认配置并不总是适合所有场景。

本文记录了从 safeguard 模式迁移到 lossless-claw (LCM) 的完整过程，以及在此过程中遇到的问题和解决方案。

当系统提示词（system prompt）非常大时——包含工作区文件（AGENTS.md、SOUL.md、TOOLS.md 等）、大量工具定义、飞书多账号配置，总计约 30-50k tokens——默认的 compaction 配置会过早触发压缩。

关键配置参数：

{
  "compaction": {
    "mode": "safeguard",
    "reserveTokens": 120000,
    "maxHistoryShare": 0.85,
    "recentTurnsPreserve": 5
  }
}

maxHistoryShare: 0.85 意味着对话历史达到上下文窗口 85% 时就触发压缩。对于大 system prompt 的场景，可用历史空间被严重压缩。

问题的根本原因是双重压缩冲突：

当两者同时工作时，LCM 压缩后的历史可能又被内置 compaction 二次压缩，导致上下文丢失。

禁用内置 compaction，只保留 LCM：

{
  "compaction": {
    "mode": "default",
    "reserveTokens": 999999,
    "maxHistoryShare": 0.85,
    "recentTurnsPreserve": 0
  }
}

关键参数说明：

LCM (lossless-claw) 的压缩策略更智能：