企业官网建设流程全解析

1. 对话太长就崩？先搞懂 OpenClaw 的 Compaction 到底在压什么

如果你正在用 OpenClaw 搭 Agent，大概率遇到过这个报错：Context length exceeded。明明上一轮还能正常跑，多聊几句、多调几次工具，整个会话就直接卡死。这不是模型变笨了，而是上下文窗口被塞满了。

OpenClaw 的 Compaction（压缩）机制，就是专门解决这个问题的核心架构模块。它做的事情可以类比成「整理房间」：把冗长的对话历史、工具调用结果、中间推理过程，压缩成一份精简但保留关键信息的摘要，让 Agent 在有限的 Context Window 里继续工作。

这一篇聚焦三件事：Compaction 在什么条件下触发、执行流程长什么样、以及怎么用 TaoToken 统一 Key 把模型通道配好，让压缩动作真正跑起来。适合已经跑过 OpenClaw 基础会话、想深入核心架构的开发者。前置知识是 Session 管理和 Memory 系统，如果你还没看，建议先补一下，因为 Compaction 和它们是三位一体的关系。

我试过在一个长会话里连续调用十几次工具，Context 从 3 万 tokens 一路涨到 17 万，响应明显变慢，费用也在涨。配好 Compaction 之后，同样的会话被压到 4 万 tokens 左右，响应速度和成本都回来了。下面把配置和验证过程完整拆开。

2. 前置准备：用 TaoToken 统一 Key 打通模型通道

Compaction 本身是 OpenClaw 的内部机制，但它执行「摘要生成」这一步时，需要调用一个真实的模型。也就是说，你得先有一个可用的模型 API 通道，Compaction 才能工作。

TaoToken 在这里的角色是统一 Key 和 API 通道。你不需要为每个模型单独维护一套 Key，而是通过一个统一入口来管理。官网地址是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 端点是 https://taotoken.net/api 。

具体操作路径：

先去控制台创建一个 API Key，地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite 。创建好之后，Key 的管理页面在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite ，你可以在这里查看、复制、轮换 Key。

如果你对模型对话本身还不熟，可以先在模型对话页面试一下通道是否通： https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite 。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，里面有完整的参数说明。

这一步的核心目的：拿到一个可用的 Key 和 API 端点，后面写进 OpenClaw 的配置文件里，Compaction 触发时才能调用模型生成摘要。

3. 可复制配置：settings.json 与 config.toml 双文件骨架

OpenClaw 的配置分两层：settings.json管 Agent 行为，config.toml管模型通道。两个文件都要改，缺一个 Compaction 都跑不起来。

3.1 settings.json：Compaction 参数配置

{ "agents": { "defaults": { "compaction": { "mode": "safeguard", "threshold": "80%", "reserveTokens": "10000", "strategy": { "type": "hybrid", "preserveIntent": true, "preserveKeyInfo": true } } } } }

逐项说明：

mode有三个值。auto是完全自动压缩，适合需要频繁压缩的高频会话；safeguard是只在接近溢出时才压，比较保守，推荐大多数场景用；manual是纯手动触发，适合你想精确控制压缩时机的调试场景。

threshold是触发阈值，80%表示 Context 使用量超过 80% 时开始压缩。这个值不要设太高，否则压缩还没完成就已经溢出了；也不要设太低，否则压缩太频繁，反而拖慢响应。

reserveTokens是压缩后保留的空间，10000表示留 10K tokens 的余量给后续对话。这个值根据你的会话长度调整，短会话可以设小一点。

strategy.type是压缩策略，hybrid是混合模式，会同时用摘要和剪枝；summarize只生成摘要；prune只删除不重要内容。preserveIntent和preserveKeyInfo控制是否保留用户意图和关键信息，建议都开。

3.2 config.toml：TaoToken 通道配置

[model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "你的TaoToken Key" model_name = "你的模型名" [model.compaction] enabled = true summary_model = "你的模型名" max_summary_tokens = 2000

这里的关键是base_url指向 TaoToken 的 API 端点，api_key填你在控制台创建的那个 Key。summary_model是 Compaction 生成摘要时用的模型，可以和主模型一致，也可以单独指定一个更便宜的模型来降成本。

max_summary_tokens控制摘要的最大长度，2000表示摘要不超过 2000 tokens。这个值太小会丢信息，太大会失去压缩意义，2000 到 4000 之间比较合适。

注意：两个文件里的模型名要对应上，否则 Compaction 调用时会报模型不存在的错误。

4. 验证请求：确认 Compaction 真的生效了

配置写完不代表生效，得实际跑一次验证。分三步走。

4.1 手动触发一次压缩

openclaw sessions compact <sessionId>

把<sessionId>换成你当前会话的 ID。执行后如果返回压缩成功，说明配置被正确加载了。如果报错，先检查config.toml里的base_url和api_key是否写对。

4.2 查看压缩日志

openclaw logs | grep compaction

这条命令会过滤出所有和 Compaction 相关的日志。正常输出里应该能看到类似这样的记录：

[compaction] session=abc123 before=180000 after=40000 strategy=hybrid [compaction] summary generated tokens=1850 model=xxx

before和after分别是压缩前后的 token 数，strategy是实际使用的策略，summary generated表示摘要生成成功。如果只看到before没有after，说明压缩执行到一半失败了，大概率是模型通道的问题。

4.3 用模型对话验证通道

如果你不确定 TaoToken 通道本身是否正常，可以先去模型对话页面发一条测试消息： https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite 。能正常返回，说明 Key 和端点没问题，问题就出在 OpenClaw 的配置上。

4.4 观察压缩后的会话质量

压缩生效后，继续和 Agent 对话，观察它是否还记得之前的关键信息。比如你之前说过「我要蓝色的休闲风格衣服」，压缩后问它「我刚才说要什么来着」，如果它能答出来，说明preserveIntent和preserveKeyInfo起作用了。

5. 本篇常见错排查：Compaction 不生效的六种情况

5.1 报错Context length exceeded但没触发压缩

原因通常是threshold设得太高，比如设成了95%，压缩还没跑完就已经溢出了。把阈值调到80%或更低，给压缩留出执行时间。

5.2 压缩日志里只有 before 没有 after

说明摘要生成失败了。检查config.toml里的summary_model是否是一个真实可用的模型名，以及api_key是否有效。可以去 API Keys 页面确认 Key 状态： https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。

5.3 Agent 压缩后「失忆」

这是压缩过度导致的。检查reserveTokens是不是设得太小，或者max_summary_tokens太小导致摘要丢信息。把preserveIntent和preserveKeyInfo都设为true，并适当调大max_summary_tokens。

5.4 压缩太频繁，响应变慢

threshold设得太低，或者mode设成了auto。改成safeguard模式，把阈值调到80%左右。

5.5 配置文件改了但没生效

OpenClaw 不会热加载配置，改完settings.json和config.toml后需要重启会话或重新加载。另外确认你改的是正确的配置文件路径，有些环境会有多个配置目录。

5.6 手动压缩命令报 session 不存在

sessionId写错了，或者会话已经结束。用openclaw sessions list查看当前活跃的会话 ID。

提示：排障时优先看日志，openclaw logs | grep compaction能覆盖大部分问题。如果日志里连 compaction 关键字都没有，说明配置根本没被加载。

6. 把 Compaction 接进你的日常开发流

Compaction 不是配完就完事的，它需要和 Session、Memory 配合使用。Session 管本次对话的存储，Memory 管长期记忆，Compaction 管上下文整理。三者配合好，Agent 才能在长会话里保持稳定。

如果你打算长期跑编码类 Agent，建议把 Compaction 和 Coding Plan 结合起来用： https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。Coding Plan 适合需要持续调用模型的场景，Compaction 帮你控制上下文成本，两者叠加能把长会话的费用压下来。

接入相关的完整参数和示例，可以对照接入文档再核一遍： https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。文档里有不同语言的调用示例，方便你直接复制到自己的项目里。

最后给一个实用建议：每次调整 Compaction 参数后，用openclaw logs | grep compaction对比一下压缩前后的 token 数。我自己的经验是，threshold从80%调到75%，压缩频率会明显上升，但单次压缩的摘要质量更稳定，因为留给摘要生成的空间更充裕。这个平衡点需要根据你的会话长度和模型能力自己试出来。